Differences

This shows you the differences between two versions of the page.

--- notes:soliton [2016/08/27] – gomida
+++ notes:soliton [2018/05/07] – external edit 127.0.0.1
@@ Line 3: / Line 3: @@
 <sq>
 ==== Ideal Soliton Distribution ====
+Belief-Propagation 알고리즘으로 디코딩하는 것을 상정하여 디자인 된 Luby-Transform에 있어서 핵심이 되는 분포함수이다. BP 알고리즘은 Degree 1인 인코딩심볼로부터 디코딩을 시작하는데, Soliton Distribution은 BP에 적합한 Degree 분포를 생성한다.
+\\
+\\
 === Definition ===
 | $\rho(1) = 1/k$ ||
 | $\rho(i)=1/i(i − 1),$ | $(i = 2,...,k)$ |
-\\
-Belief-Propagation 알고리즘으로 디코딩하는 것을 상정하여 디자인 된 Luby-Transform에 있어서 핵심이 되는 분포함수이다. BP 알고리즘은 Degree 1인 인코딩심볼로부터 디코딩을 시작하는데, Soliton Distribution은 BP에 적합한 Degree 분포를 생성한다.
-\\
-\\
-=== Normalization ===
-함수의 정의에 의해 $k\geq 1,\thinspace i\in\mathbb{N}$ 일 때, Probability Distribution의 조건 $\sum_i\rho(i)=1$ 을 만족한다. 따라서 별도의 normalization은 필요 없지만, 코드로 구현해보면 자료형의 정밀도 한계에 의해 누적합이 1의 근사치로 나타나기도 한다.
 \\
 \\
@@ Line 27: / Line 24: @@
 <HTML></div></HTML>
 하지만 LT가 좋은 성능을 보이는 높은 k 값에서는 Degree 1의 비율이 극단적으로 감소하는 것이 보인다. 이 경우 BP 알고리즘은 충분한 수의 Degree 1인 인코딩 심볼을 확보하기 어려워져 결과적으로 디코딩에 더 많은 인코딩 심볼을 요구하게 된다.
+\\
+\\
+=== Normalization ===
+함수의 정의에 의해 $k\geq 1,\thinspace i\in\mathbb{N}$ 일 때, Probability Distribution의 조건 $\sum_i\rho(i)=1$ 을 만족한다. 따라서 별도의 normalization은 필요 없지만, 코드로 구현해보면 자료형의 정밀도 한계에 의해 누적합이 1의 근사치로 나타나기도 한다.
 \\
 \\

Differences

TypeError: Cannot access offset of type string on string