MétaCan
Menu
Retour à la cohorte
Enregistrement W2371742128

Adaptive joint source-channel coding and MAP decoding of error correction arithmetic codes

2007· article· en· W2371742128 sur OpenAlexaff
Tianhao Li

Notice bibliographique

RevueJournal of Communications · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueAlgorithms and Data Compression
Établissements canadiensAdvanced Micro Devices (Canada)
Organismes subventionnairesnon disponible
Mots-clésVariable-length codeDecoding methodsComputer scienceAlgorithmArithmetic codingShannon–Fano codingCoding gainAdaptive codingList decodingCoding (social sciences)Channel (broadcasting)Source codeTheoretical computer scienceContext-adaptive binary arithmetic codingConcatenated error correction codeMathematicsBlock codeTelecommunicationsData compressionStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The adaptive joint source/channel coding methodologies was investigated,and a novel joint source/channel coding/decoding system was proposed based on error correction arithmetic codes.At encoding,this system can achieve an adaptive source/channel integrative coding by utilizing the arithmetic codes with a forbidden symbol.In particular,the Markov source model was used,and the probability of the forbidden symbol was adjusted adaptively according to the channel state information(CSI)so as to provide an adaptive source coding;and then at decoing,an improved sequential search algorithm based on new MAP decoding metric was proposed.Unlike the conventional channel adaptive coding algorithm,only one parameter(ie.a forbidden symbol)must be need to adjust,and a continuous coding rate could be achieved theoretically.Some experimental results show that the proposed system can achieve a higher performance gain,comparing with systems proposed by Grangetto and the separate coding system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,079
Tête enseignante GPT0,316
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of CommunicationsMême sujetAlgorithms and Data CompressionTravaux en français237 207