برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Complexity Issues in Coding Theory

دانلود کتاب مسائل پیچیدگی در نظریه کدگذاری

مشخصات کتاب

Complexity Issues in Coding Theory

دسته بندی: جبر
ویرایش:  
نویسندگان: Barg A.  
سری:  
 
ناشر:  
سال نشر: 1997 
تعداد صفحات: 115 
زبان: English 
فرمت فایل : GZ (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 286 کیلوبایت

قیمت کتاب (تومان) : 86,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 16

در صورت تبدیل فایل کتاب Complexity Issues in Coding Theory به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب مسائل پیچیدگی در نظریه کدگذاری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب مسائل پیچیدگی در نظریه کدگذاری

خلاصه. این مقاله به مسائل پیچیدگی در تئوری کدهای تصحیح خطای خطی می پردازد. مسائل الگوریتمی که ما مطالعه می کنیم، ساخت کدهای خوب، رمزگذاری و رمزگشایی آنها است. با توجه به پیچیدگی آنها، مسائل به آسان، یعنی چند جمله ای در طول n کد، و مشکل، یعنی نمایی تقسیم می شوند. بخش اول به مشکلات آسان می پردازد. ما ساختاری از کدها را ارائه می‌کنیم که کسری خطی از خطاها را با پیچیدگی nlogn تصحیح می‌کنند. این ساخت و ساز بر اساس ساختارهای واضح اواخر دهه 80 از نمودارهای خوب در حال گسترش است. گروه دیگری از مشکلات این بخش مربوط به کدهای خطاهای غیرهمینگ یعنی پاک کردن، نقص (کدهای حافظه با سلول های معیوب) و خطاهای موضعی است. بخش دوم که هسته اصلی این مقاله را تشکیل می دهد، به مشکلات دشوار می پردازد. مشکلات، اول و مهمتر از همه، رمزگشایی حداکثر احتمال کدهای خطی است. ما به طور جداگانه پیچیدگی رمزگشایی تصمیم گیری سخت و تصمیم گیری نرم را مطالعه می کنیم. برای مورد رمزگشایی با تصمیم سخت، الگوریتم‌هایی را ارائه می‌کنیم که در دو کلاس، رمزگشایی گرادیان و رمزگشایی مجموعه اطلاعات گروه‌بندی شده‌اند. به نظر می رسد که این رویکرد کلی برای مطالعه بیشتر یا نه همه روش های رمزگشایی عمومی شناخته شده کافی است. در زمینه رمزگشایی با تصمیم گیری نرم، ابتدا تنظیمات مشکل احتمالی و سپس پیاده سازی رمزگشایی با پیچیدگی کاهش یافته را مورد بحث قرار می دهیم. بخش آخر مقاله به بررسی اجمالی بیشتر مشکلات رمزگشایی NP-hard از جمله برخی از نتایج غیرقابل تقریب اخیر می پردازد. مواد پشتیبان شامل بسیاری از خواص کلی است. کدهای خطی از معروف تا نسبتاً پیچیده، و بحث مختصری در مورد مدل‌های محاسبات و تنظیمات مربوطه برای مطالعه مسائل پیچیدگی در نظریه کدگذاری. ما همچنین نمونه هایی از بسیاری از روش های مورد مطالعه را ارائه می دهیم. گاهی اوقات آنها فقط مفاهیم و تعاریف را به تصویر می کشند، اما گاهی اوقات اساسی ترین ویژگی های براهین را به تصویر می کشند و حتی گاهی اوقات آنها را جایگزین می کنند. به طور کلی ما شواهد کامل و مستقلی از نتایج ارائه می دهیم.

توضیحاتی درمورد کتاب به خارجی

Abstract. This paper deals with complexity issues in the theory of linear error-correcting codes. Algorithmic problems that we study are constructing good codes, encoding and decoding them. According to their complexity, problems are divided into easy, i.e., polynomial in the length n of the code, and difficult, i.e., exponential ones. The first part deals with easy problems. We present a construction of codes that correct a linear fraction of errors with complexity nlogn. The construction is based on well-known since the late 80ies explicit constructions of good expanding graphs. Another group of problems in this part is related to codes for non-Hamming errors, namely, erasures, defects (codes for memories with defective cells), and localized errors.The second part, which forms the core of this paper, deals with difficult problems, first and foremost, maximum likelihood decoding of linear codes. We study separately the complexity of hard-decision and soft-decision decoding. For the hard-decision decoding case we present algorithms grouped in two classes, gradient-like decoding and information-set decoding. It turns out that this general approach is sufficient to study most if not all known general decoding methods. In the soft-decision decoding context, we first discuss possible problem settings and then implementations of decoding with reduced complexity.The last part of the paper overviews most known NP-hard decoding problems including some recent nonapproximability results.The supporting material includes many general properties of linear codes from well-known to rather sophisticated, and a brief discussion of models of computations and relevant settings for the study of complexity issues in coding theory. We also give examples of many methods studied. Sometimes they just illustrate concepts and definitions, but sometimes capture the most essential features of the proofs and on occasion even replace them. Generally we give complete and self-contained proofs of the results.