Sign <sup>3</sup> ‐LMS data‐transition decision feedback equaliser
Notice bibliographique
Résumé
This study presents an adaptive data‐transition decision feedback equaliser (DT‐DFE) with a sign 3 least‐mean‐square (LMS) tap adaptation. Commonly used data‐state (DS) DFE suffers from reduced vertical eye‐opening when consecutive 1's or 0's are encountered. The proposed DT‐DFE performs DFE only when a data transition is detected. It boosts the eye‐opening of the high‐frequency components of data without attenuating the low‐frequency components of data whereas DS‐DFE boosts the eye‐opening of the high‐frequency components of data at the expense of the attenuated low‐frequency components of data. The reference voltages of DS‐DFE is tap‐dependent whereas those of DT‐DFE are tap‐independent and are obtained by conveying consecutive 1's and 0's to the channel in a training phase. The proposed DT‐DFE utilises loop unrolling to detect the occurrence of data transition. The performance of the proposed DT‐DFE is compared with that of DS‐DFE using two 5 Gbps backplane serial links designed in a TSMC 65 nm CMOS technology. Simulation results demonstrate that the eye‐opening of the link with DT‐DFE is 1.54 times that with DS‐DFE. The vertical eye‐opening of the link with DT‐DFE activating tap adaptation on two consecutive state transitions of opposite polarities is 1.2 times that that activates tap adaptation on single state transition. The proposed DT‐DFE is less sensitive to process uncertainty whereas DS‐DFE is prone to process uncertainty with severely deteriorating performance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».