MétaCan
Menu
Retour à la cohorte
Enregistrement W2912928774 · doi:10.1109/tcomm.2019.2894808

Design of Successively Refinable Unrestricted Polar Quantizer

2019· article· en· W2912928774 sur OpenAlexafffund
Huihui Wu, Sorina Dumitrescu

Notice bibliographique

RevueIEEE Transactions on Communications · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Data Compression Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAlgorithmEntropy (arrow of time)CombinatoricsComputer scienceMathematicsDiscrete mathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

This paper addresses the design of two-stage successively refinable unrestricted polar quantizers for bivariate circularly symmetric sources in the entropy-constrained and fixed-rate cases. The proposed solutions are globally optimal when the thresholds of the magnitude quantizers are confined to finite discretizations of the interval [0, ∞). The algorithm developed for the entropy-constrained case involves a series of stages, including solving the minimum-weight path problem for multiple node pairs in certain weighted directed acyclic graphs. The asymptotical time complexity is O(K1K22Pmax), where K1and K2are the sizes of the sets of possible magnitude thresholds of the coarse and refined unrestricted polar quantizers (UPQs), respectively, while Pmaxis an upper bound on the number of phase levels in any phase quantizer of the coarse UPQ. The solution algorithm for the fixed-rate case is based on solving a succession of dynamic programming problems for multiple coarse quantizer bins. The time complexity in the fixed-rate case amounts to O(K1K2N2N1), where N1is the number of cells of the coarse UPQ and N is the ratio between the number of bins of the fine and coarse UPQs. The extensive experimental results on a bivariate circularly symmetric Gaussian source show the effectiveness of the proposed schemes.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0030,001

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 Opus0,047
Tête enseignante GPT0,304
Écart entre enseignants0,257 · 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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetAdvanced Data Compression TechniquesTravaux en français237 207