Wyszukiwanie zaawansowane ?

Obiekt

Pobierz

Tytuł: Support Vector Machine based Decoding Algorithm for BCH Codes, Journal of Telecommunications and Information Technology, 2016, nr 2

Autor:

Sudharsan, V. ; Yamuna, B.

Data wydania:

2016, nr 2

Typ zasobu:

artykuł

Opis:

Modern communication systems require robust, adaptable and high performance decoders for efficient data transmission. Support Vector Machine (SVM) is a margin based classification and regression technique. In this paper, decoding of Bose Chaudhuri Hocquenghem codes has been approached as a multi-class classification problem using SVM. In conventional decoding algorithms, the procedure for decoding is usually fixed irrespective of the SNR environment in which the transmission takes place, but SVM being a machinelearning algorithm is adaptable to the communication environment. Since the construction of SVM decoder model uses the training data set, application specific decoders can be designed by choosing the training size efficiently. With the soft margin width in SVM being controlled by an equation, which has been formulated as a quadratic programming problem, there are no local minima issues in SVM and is robust to outliers.

Wydawca:

National Institute of Telecommunications

Format:

application/pdf

Identyfikator zasobu:

ISSN 1509-4553, on-line: ISSN 1899-8852 ; oai:bc.itl.waw.pl:1925

Źródło:

Journal of Telecommunications and Information Technology

Język:

ang

Prawa:

Biblioteka Naukowa Instytutu Łączności

Temat i słowa kluczowe:

Support Vector Machine BCH codes kernel Soft Decision Decoding coding gain multi-class classification Chase-2 algorithm

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

25 lut 2026

Data dodania obiektu:

20 paź 2016

Liczba wyświetleń treści obiektu:

138

Wszystkie dostępne wersje tego obiektu:

https://ribes-54.man.poznan.pl/publication/2199

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Sudharsan, V.; Yamuna, B., Support Vector Machine based Decoding Algorithm for BCH Codes, Journal of Telecommunications and Information Technology, 2016, nr 2 25 lut 2026

Obiekty Podobne

2023, nr 4, JTIT-artykuły
2023, nr 4, JTIT-artykuły
Designing Smart Antennas Using Machine Learning Algorithms, Journal of Telecommunications and Information Technology, 2023, nr 4

Samantaray, Barsa Das, Kunal Kumar Roy, Jibendu Sekhar

2023
artykuł
An Eclectic Approach to Network Service Failure Detection Based on Multicriteria Analysis with an Exampleof Mixing Probabilistic Context Free Grammar Models, Journal of Telekommunications and Information Technology, 2008, nr 4

Białoń, Paweł

2008, nr 4
artykuł
The Learning System by the Least Squares Support Vector Machine Method and its Application in Medicine, Journal of Telecommunications and Information Technology, 2011, nr 3

Baszun, Mikołaj Szewczyk, Paweł

2011, nr 3
artykuł
Comparative Study of Supervised Learning Methods for Malware Analysis, Journal of Telecommunications and Information Technology, 2014, nr 4

Niewiadomska-Szynkiewicz, Ewa Kruczkowski, Michał

2014, nr 4
artykuł
An Efficient Early Iteration Termination for Turbo Decoder, Journal of Telecommunications and Information Technology, 2016, nr 2

Yamuna, B. Salija, P.

2016, nr 2
artykuł
Supervised Kernel Principal Component Analysis by Most Expressive Feature Reordering, Journal of Telecommunications and Information Technology, 2015, nr 2

Ślot, Krzysztof Żurek, Dominik Duch, Piotr Adamiak, Krzysztof

2015, nr 2
artykuł
2023, nr 2, JTIT-artykuły
2023, nr 2, JTIT-artykuły
A Novel Kernel Algorithm for Finite Impulse Response Channel Identification, Journal of Telecommunications and Information Technology, 2023, nr 2

Frikel, Miloud Boumezzough, Ahmed Safi, Said Darif, Anouar Fateh, Rachid

2023, nr 2
artykuł
Performance Evaluation of MC-CDMA Systems with Single User Detection Technique using Kernel and Linear Adaptive Method, Journal of Telecommunications and Information Technology, 2021, nr 4

Safi, Said Darif, Anouar Fateh, Rachid

2021, nr 4
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Instytut Łączności – Państwowy Instytut Badawczy ul. Szachowa 1 04-894 Warszawa

Telefon

(+48) 5128 696

E-Mail

biblioteka@il-pib.pl

Odwiedź nas!

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji