Given an input vector and a populat

Given an input vector and a populated codebook, tree, or trellis, the coder alorithm must conduct a search to determine the best matching contender vector. an exhaustive search over all possible contenders will assure the best match. Coderperformance improves for larger dimensional spaces, but so does complexity. Anexhaustive search over a large dimension may be prohibitively time consuming. An alternative is to conduct a nonexhaustive, suboptimal search scheme, with accept. ably small degradations form the optimal path. Memory requirements and computational complexity often are a driving consideration in the selection of search algorithms. Examples of search algorithms include single-path (best leaving branch) algorithms, multiple-path algorithms. and binary (successive approxima: Lion) codebook algorithms. Most of the search algorithms attempt to identify and discard unlikely patterns without having to test the entire pattern.


Hasil (Bahasa Indonesia) 1:

Mengingat input vektor dan penduduknya codebook, pohon, atau teralis, coder alorithm harus melakukan pencarian untuk menentukan terbaik cocok pesaing vektor. pencarian yang lengkap atas semua Josep akan meyakinkan yang paling cocok. Meningkatkan Coderperformance untuk ruang dimensi yang lebih besar, tetapi begitu juga kompleksitas. Cari Anexhaustive dimensi yang besar mungkin mahal memakan waktu. Alternatif adalah untuk melakukan pencarian nonexhaustive, suboptimal, dengan skema terima. cakap kecil degradations membentuk jalan yang optimal. Persyaratan memori dan kompleksitas komputasi sering adalah pertimbangan mengemudi dalam pemilihan algoritma pencarian. Contoh algoritma pencarian termasuk algoritma tunggal-path (terbaik meninggalkan Cabang), multi-jalan algoritma. dan biner (approxima berturut-turut: Lion) codebook algoritma. Kebanyakan algoritma pencarian mencoba untuk mengidentifikasi dan membuang pola-pola yang tidak mungkin tanpa harus menguji seluruh pola.

Hasil (Bahasa Indonesia) 2:

Mengingat vektor masukan dan codebook penduduk, pohon, atau teralis, yang alorithm coder harus melakukan pencarian untuk menentukan yang terbaik vektor cocok pesaing. pencarian lengkap atas semua pesaing mungkin akan menjamin pertandingan terbaik. Coderperformance meningkatkan untuk ruang dimensi yang lebih besar, tetapi begitu juga kompleksitas. Penelusuran Anexhaustive lebih dimensi besar mungkin memakan waktu prohibitively. Sebuah alternatif adalah melakukan nonexhaustive, skema pencarian suboptimal, dengan menerima. cakap degradasi kecil membentuk jalur yang optimal. Persyaratan memori dan kompleksitas komputasi sering menjadi pertimbangan mengemudi dalam pemilihan algoritma pencarian. Contoh algoritma pencarian termasuk single-jalan (terbaik meninggalkan cabang) algoritma, algoritma multiple-jalan. dan biner (approxima berturut-turut: Lion) algoritma codebook. Sebagian besar algoritma pencarian berusaha untuk mengidentifikasi dan membuang pola mungkin tanpa harus menguji seluruh pola.