크기가 A × N이고 N × B 인 두 행렬 간의 GEMM 스타일 해밍 거리를 계산하는 데 최적화 된 CUDA 커널을 알고있는 사람이 있습니까? 문제는 GEMM과 거의 동일하지만 각 벡터 요소를 곱하고 합산하는 대신 각 벡터 {1 ... N}에 대한 합계 (a_n! = b_n)를 계산합니다. 내 자신의 글을 쓰기 전에이 문제가 비교적 일반적이기 때문에 확인
string (A, C, G, T, N 일 수있는 주어진 알파벳의) C++ 함수를 찾고 있는데, 다음과 같은 모든 시퀀스가 생성됩니다. 그것으로부터의 어떤 해밍 거리에서. 이상적으로, 출력은 key을 각각의 문자열로, value을 입력 문자열로 갖는 맵이됩니다. 구현이 있습니까?
데이터에서 추출한 이진 서명을 기반으로 가장 유사한 항목을 찾은 쿼리 시스템을 개발하고 싶습니다. 런타임 제약 조건이 있기 때문에 가장 효율적인 방법을 조사합니다. 내가 scipy 거리를 사용하려고했지만 너무 느려. 더 빠른 방법으로 다른 유용한 라이브러리 나 트릭을 알고 계십니까? 존재 및 예를 들면 시나리오 , I는 길이 68 이진 값 쿼리 벡터를 가지
~ 700 개의 키가있는 기본 명령이 있습니다. 키는 A_B_STRING과 같은 형식입니다. 내가해야할 일은 '_'로 키를 나눈 다음 A와 B가 동일하면 각 키의 'STRING'사이의 거리를 비교하는 것입니다. 거리가 < = 2 인 경우 해당 키의 목록을 하나의 defaultdict 키 : 값 그룹으로 그룹화합니다. 일치하고 그룹화해야하는 여러 개의 키가
해밍 거리를 계산하고 2 개의 열과 45,000 개 이상의 행이있는 데이터 집합에 대해 R의 클러스터로 그려야합니다. 거기에 잘 알려진 라이브러리가 있습니까? 아니면 어떤 전략이 다른 전략보다 강하게 권고됩니까? 나는 패키지 "e1071"에서 hamming.distance 기능을 시도하고 아래의 오류가 발생합니다. 그러나 해밍 거리를 계산하는 방법을 파악하
현재 해밍 코드 또는 잘못된 비트를 검색하고 복구하기위한 해밍 거리를 이해하려고합니다. hamming distance 해밍 거리를 이해하는 데 어려움이 있습니다. 나는 다른 단어들을 비교하고 단어들을 다르게 만드는 비트들의 수를 발견한다. (-> 해밍 거리) - 그러나 나는이 단어들을 어떻게 비교하고 있는가? 예 : word = 0110 1001 -> (짝
이진 벡터에서 해밍 거리를 빠르게 구현하고 싶습니다. Array[Int]보다 빠르지 만 실제로는 그렇지 않다고 생각하여 Array[Byte]으로 테스트했습니다. 누군가이 동작을 설명하고 더 나은 구현에 대해 조언 할 수 있다면. def hammingDistanceI(v1:Array[Int], v2:Array[Int]) = {
v1.zip(v2).c
난 주변에서 해밍 거리를 얻을 필요가 바이너리 numpy 배열의 1M 가지고, 가장 빠른 방법은 내가 얻을 수있는 가장 빠른 방법은 거리와 함께 플로트 매트릭스를 반환하는 cdist를 사용하고 있습니다. 나는이 같은 시간에 그것을 하나 개의 요소를하고 있어요 그래서 나는 1Mx1M 플로트 행렬을 얻을 메모리가 충분하지 않기 때문에 : from scipy.s
임의의 CRC 다항식의 오류 검출 기능을 계산하는 방법을 찾으려고 노력했습니다.는 단일 비트 오류의 감지 :이 때문에이 작업을 수행 할 수 있습니다 모두의 CRC는 필요 I (또는하지 않을 수) 임의의 다항식에 적용 할 수있는 다양한 오류 감지 기능이 있다는 것을 알고 CRC 폭> = 1. 버스트 오류 감지 : 모든 CRC는 최대 너비와 동일한 크기까지 버