A Novel DCGA Optimization Technique for Guaranteed BIBO-Stable Frequency-Response Masking Digital Filters Incorporating Bilinear Lossless Discrete-integrator IIR Interpolation Sub-Filters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This work is concerned with the development of a novel diversity-controlled (DC) genetic algorithm (GA) for the design and rapid optimization of frequency-response masking (FRM) digital filters incorporating bilinear lossless discrete-integrator (LDI) IIR interpolation sub-filters. The selection of FRM approach is inspired by the fact it lends itself to the design of practical sharp-transition band digital filters in terms of gradual-transition band FIR interpolation sub-filters. The proposed DCGA optimization is carried out over the canonical-signed-digit (CSD) multiplier coefficient space, resulting in FRM digital filters which are capable of direct implementation in digital hardware. A novel CSD look-up table (LUT) scheme is developed so that in every stage of DCGA optimization, the IIR interpolation sub-filters constituent in the intermediate and final FRM digital filters are guaranteed to be automatically BIBO stable. The proposed DCGA optimization permits simultaneous optimization of the magnitude-frequency as well of the group-delay frequency response of the desired FRM digital filters. An example is given to illustrate the application of the resulting DCGA optimization to the design of a lowpass FRM digital filter incorporating a fifth-order bilinear-LDI interpolation subfilter.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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