MétaCan
Menu
Retour à la cohorte
Enregistrement W4410738567 · doi:10.1109/tcomm.2025.3573444

Ordered Reliability Direct Error Pattern Testing Decoding Algorithm

2025· article· en· W4410738567 sur OpenAlexaff
Reza Hadavian, Xiaoting Huang, Dmitri Truhachev, Kamal El‐Sankary, Hamid Ebrahimzad, Hossein Najafi, Yang Ge, Abolfazl Zokaei

Notice bibliographique

RevueIEEE Transactions on Communications · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensHuawei Technologies (Canada)Dalhousie University
Organismes subventionnairesnon disponible
Mots-clésDecoding methodsAlgorithmComputer scienceReliability (semiconductor)Sequential decodingList decodingError detection and correctionReliability engineeringConcatenated error correction codeEngineeringBlock code

Résumé

récupéré en direct d'OpenAlex

We introduce a novel soft-decision decoding algorithm for binary block codes named ordered reliability direct error pattern testing (ORDEPT). The proposed technique tests a list of partial error patterns (PEP)s that are arranged according to their logistic weight and completed on-the-fly based on the instantaneous received sequence and the code’s parity-check matrix. Our results, obtained for a variety of popular short high-rate codes, demonstrate that ORDEPT outperforms state-of-the-art decoding algorithms such as ordered reliability bits guessing random additive noise decoding (ORBGRAND) in terms of decoding complexity, and is hardware-favorable in terms of latency and energy consumption. The improvements carry on to the iterative decoding of product codes and convolutional product-like codes, where ORDEPT demonstrates the ability to efficiently find multiple candidate codewords and outperform state-of-the art competitors.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,991
Score d'incertitude au seuil0,733

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,274
Écart entre enseignants0,246 · 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 tête enseignante, 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

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on CommunicationsMême sujetFault Detection and Control SystemsTravaux en français237 207