Имя (желательно полное):

E-Mail:

URL:

Город:

Страна:

Вежливый и подробный комментарий:
(Форматируйте его, пожалуйста, как почту - короткими строками
Еnter в конце строки, пустая строка между параграфами).
> [RS] > > > Неадаптивный RS вообще не особо > > > хорошо работает. > > Какие случаи при этом рекомендуется рассматривать? > > Я подобрал эмпирически (для немаскированных контекстов): > > 1) отдельно считаем RS для наиболее > вероятного символа > > 2) Recent суффикса совпадает с Recent > текущего контекста > > 3) Предыдущие 2 символа были Recent в > своих контекстах > > 4) Также коэффициент RS зависит от > количества символов в контексте. > (numSymbols >= 4 и numSymbols [SEE] > Мои эксперименты показали, что > хорошими предикторами являются > отношение попал/не попал для > недерминированных контекстных моделей, > а также количество удач (вроде 3 пункта > в твоем списке). Учитывать прочее > я не стал, т.к. мало дает. У меня > все на сдвигах сделано. > > === > > RealEscFreq = SeeEscFreq * fixsee[order]/(1-fixsee[order]); > > ... > > if( !Escape ) > > fixsee[order]-=(fixsee[order])*SeeEscFreq/(TolalFreq*48); > > else > > fixsee[order]+=(1-fixsee[order])*(TotalFreq-SeeEscFreq)/(TolalFreq*48); > > === > Ясно. Тебе не кажется, что это > все-таки надо учитывать в самом SEE ? > > > Многовато. Особенно 3 деления. > > > В общем, представления об эффективности > > > у нас несколько расходятся :-) > > Деления можно реализовать таблично :) > Сложно сказать. Одной таблицей не > обойдешься, а несколько таблиц могут > привести к "икоте" кэша.

Пожалуйста, заполните все поля.
И не нажимайте по два раза на кнопку! Дождитесь ответа сервера.