Design of <i>p</i> ‐norm linear phase FIR differentiators using adaptive modification rate artificial bee colony algorithm
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
In this paper, an adaptive modification rate artificial bee colony (AMR‐ABC) algorithm is proposed by incorporating a novel adaptive modification rate to adaptively balance exploration and exploitation to determine which parameters (or the number of parameters) to be updated in a solution during each iteration. The performance of the AMR‐ABC algorithm is compared to those the standard ABC algorithm and its two variants, and the Parks–McClellan algorithm for designing Type 3 (orders: 14, 26, and 38) and Type 4 (orders: 13, 25, and 37) linear phase FIR differentiators to evaluate their design capabilities. Design results have shown that the proposed AMR‐ABC algorithm (i) outperforms four other design algorithms with the lowest p ‐norm error in each of the six differentiator designs and (ii) is robust such that the same p ‐norm error solution with an equiripple amplitude response in each of the six differentiator designs can be obtained by repeating a design with a different population of randomly generated initial solutions. The filter coefficients of six linear phase FIR differentiator designs are given as benchmarks to compare the p ‐norm error performance of the AMR‐ABC algorithm to other algorithms. The AMR‐ABC algorithm is attractive to be used for optimisation in this and other design problems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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