. "Two example distances: has distance 3; has distance 2"@en . . . "150"^^ . . . . . . . . . "\uBE14\uB85D \uBD80\uD638 \uC774\uB860\uC5D0\uC11C, \uD574\uBC0D \uAC70\uB9AC(Hamming\u8DDD\u96E2, \uC601\uC5B4: Hamming distance)\uB294 \uACF1\uC9D1\uD569 \uC704\uC5D0 \uC815\uC758\uB418\uB294 \uAC70\uB9AC \uD568\uC218\uC774\uB2E4. \uB300\uB7B5, \uAC19\uC740 \uAE38\uC774\uC758 \uB450 \uBB38\uC790\uC5F4\uC5D0\uC11C, \uAC19\uC740 \uC704\uCE58\uC5D0\uC11C \uC11C\uB85C \uB2E4\uB978 \uAE30\uD638\uB4E4\uC774 \uBA87 \uAC1C\uC778\uC9C0\uB97C \uC13C\uB2E4."@ko . "Hammingavst\u00E5nd (\u00E4ldre beteckning: Hammingdistans), uppkallat efter Richard Hamming, \u00E4r en storhet i informationsteorin, som i ett visst avseende anger skillnaden mellan tv\u00E5 lika l\u00E5nga teckenstr\u00E4ngar eller ord. Begreppet anv\u00E4nds i samband med olika slags felkorrigerande koder, vilka anv\u00E4nds f\u00F6r att uppt\u00E4cka och korrigera fel vid informations\u00F6verf\u00F6ring."@sv . . . . . . "The minimum distance between any two vertices is the Hamming distance between the two binary strings."@en . . "\u5728\u4FE1\u606F\u8BBA\u4E2D\uFF0C\u4E24\u4E2A\u7B49\u957F\u5B57\u7B26\u4E32\u4E4B\u95F4\u7684\u6C49\u660E\u8DDD\u79BB\uFF08\u82F1\u8A9E\uFF1AHamming distance\uFF09\u662F\u4E24\u4E2A\u5B57\u7B26\u4E32\u5BF9\u5E94\u4F4D\u7F6E\u7684\u4E0D\u540C\u5B57\u7B26\u7684\u4E2A\u6570\u3002\u6362\u53E5\u8BDD\u8BF4\uFF0C\u5B83\u5C31\u662F\u5C06\u4E00\u4E2A\u5B57\u7B26\u4E32\u53D8\u6362\u6210\u53E6\u5916\u4E00\u4E2A\u5B57\u7B26\u4E32\u6240\u9700\u8981\u66FF\u6362\u7684\u5B57\u7B26\u4E2A\u6570\u3002 \u6C49\u660E\u91CD\u91CF\u662F\u5B57\u7B26\u4E32\u76F8\u5BF9\u4E8E\u540C\u6837\u957F\u5EA6\u7684\u96F6\u5B57\u7B26\u4E32\u7684\u6C49\u660E\u8DDD\u79BB\uFF0C\u4E5F\u5C31\u662F\u8BF4\uFF0C\u5B83\u662F\u5B57\u7B26\u4E32\u4E2D\u975E\u96F6\u7684\u5143\u7D20\u4E2A\u6570\uFF1A\u5BF9\u4E8E\u4E8C\u8FDB\u5236\u5B57\u7B26\u4E32\u6765\u8BF4\uFF0C\u5C31\u662F1\u7684\u4E2A\u6570\uFF0C\u6240\u4EE511101\u7684\u6C49\u660E\u91CD\u91CF\u662F4\u3002"@zh . . . . . "Hammingova vzd\u00E1lenost"@cs . "Hammingavst\u00E5nd"@sv . . "In information theory, the Hamming distance between two strings of equal length is the number of positions at which the corresponding symbols are different. In other words, it measures the minimum number of substitutions required to change one string into the other, or the minimum number of errors that could have transformed one string into the other. In a more general context, the Hamming distance is one of several string metrics for measuring the edit distance between two sequences. It is named after the American mathematician Richard Hamming. A major application is in coding theory, more specifically to block codes, in which the equal-length strings are vectors over a finite field."@en . . . . "\u0420\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435 \u0425\u044D\u043C\u043C\u0438\u043D\u0433\u0430"@ru . . . . . . . . "Dist\u00E2ncia de Hamming"@pt . . "Odleg\u0142o\u015B\u0107 Hamminga"@pl . . . . "In de coderingstheorie, een onderdeel van de informatietheorie is de hammingafstand een maat voor het verschil tussen twee rijen symbolen van gelijke lengte. De hammingafstand is het aantal posities waarin de twee rijen (bijvoorbeeld binaire of letterwoorden) van elkaar verschillen. De woorden '1001' en '0011', bijvoorbeeld, verschillen in twee posities, namelijk de 1e en de 3e, zodat de hammingafstand tussen '1001' en '0011' gelijk is aan 2. De hammingafstand is niet beperkt tot binaire woorden, maar is ook geldig voor woorden in een algemeen alfabet. De woorden '310201' en '615204' ter lengte 6, waarvan de (code)symbolen afkomstig zijn uit de verzameling {0, 1, 2, 3, 4, 5, 6}, verschillen op de eerste, derde en zesde positie, zodat de hammingafstand gelijk is aan 3. Men kan ook zeggen da"@nl . . "\u03A3\u03C4\u03B7\u03BD \u03B8\u03B5\u03C9\u03C1\u03AF\u03B1 \u03C0\u03BB\u03B7\u03C1\u03BF\u03C6\u03BF\u03C1\u03AF\u03B1\u03C2, \u03C9\u03C2 \u03B1\u03C0\u03CC\u03C3\u03C4\u03B1\u03C3\u03B7 \u03A7\u03AC\u03BC\u03B9\u03BD\u03B3\u03BA \u03BC\u03B5\u03C4\u03B1\u03BE\u03CD \u03B4\u03CD\u03BF \u03C3\u03C5\u03BC\u03B2\u03BF\u03BB\u03BF\u03C3\u03B5\u03B9\u03C1\u03CE\u03BD \u03AF\u03C3\u03BF\u03C5 \u03BC\u03AE\u03BA\u03BF\u03C5\u03C2 \u03BF\u03C1\u03AF\u03B6\u03B5\u03C4\u03B1\u03B9 \u03BF \u03B1\u03C1\u03B9\u03B8\u03BC\u03CC\u03C2 \u03B8\u03AD\u03C3\u03B5\u03C9\u03BD \u03C3\u03C4\u03B9\u03C2 \u03BF\u03C0\u03BF\u03AF\u03B5\u03C2 \u03C4\u03B1 \u03B1\u03BD\u03C4\u03AF\u03C3\u03C4\u03BF\u03B9\u03C7\u03B1 \u03C3\u03CD\u03BC\u03B2\u03BF\u03BB\u03B1 \u03B5\u03AF\u03BD\u03B1\u03B9 \u03B4\u03B9\u03B1\u03C6\u03BF\u03C1\u03B5\u03C4\u03B9\u03BA\u03AC. \u0397 \u03B1\u03C0\u03CC\u03C3\u03C4\u03B1\u03C3\u03B7 \u03A7\u03AC\u03BC\u03B9\u03BD\u03B3\u03BA, \u03BC\u03B5\u03C4\u03C1\u03AC \u03C4\u03BF\u03BD \u03B5\u03BB\u03AC\u03C7\u03B9\u03C3\u03C4\u03BF \u03B1\u03C1\u03B9\u03B8\u03BC\u03CC \u03B1\u03BD\u03C4\u03B9\u03BA\u03B1\u03C4\u03B1\u03C3\u03C4\u03AC\u03C3\u03B5\u03C9\u03BD \u03C0\u03BF\u03C5 \u03C7\u03C1\u03B5\u03B9\u03AC\u03B6\u03BF\u03BD\u03C4\u03B1\u03B9 \u03CE\u03C3\u03C4\u03B5 \u03BD\u03B1 \u03BC\u03B5\u03C4\u03B1\u03C4\u03C1\u03B1\u03C0\u03B5\u03AF \u03B7 \u03BC\u03AF\u03B1 \u03C3\u03C5\u03BC\u03B2\u03BF\u03BB\u03BF\u03C3\u03B5\u03B9\u03C1\u03AC \u03C3\u03C4\u03B7\u03BD \u03AC\u03BB\u03BB\u03B7, \u03AE \u03B1\u03BB\u03BB\u03B9\u03CE\u03C2, \u03C4\u03BF\u03BD \u03B1\u03C1\u03B9\u03B8\u03BC\u03CC \u03C4\u03C9\u03BD \u03BB\u03B1\u03B8\u03CE\u03BD \u03C0\u03BF\u03C5 \u03BC\u03B5\u03C4\u03AD\u03C4\u03C1\u03B5\u03C8\u03B1\u03BD \u03C4\u03B7\u03BD \u03BC\u03AF\u03B1 \u03C3\u03C5\u03BC\u03B2\u03BF\u03BB\u03BF\u03C3\u03B5\u03B9\u03C1\u03AC \u03C3\u03C4\u03B7\u03BD \u03AC\u03BB\u03BB\u03B7."@el . . . . . . . . "\uD574\uBC0D \uAC70\uB9AC"@ko . . . . . . . "\u0412\u0456\u0434\u0441\u0442\u0430\u043D\u044C \u0413\u0435\u043C\u043C\u0456\u043D\u0433\u0430 (\u0430\u043D\u0433\u043B. Hamming distance) \u2014 \u0447\u0438\u0441\u043B\u043E \u043F\u043E\u0437\u0438\u0446\u0456\u0439, \u0443 \u044F\u043A\u0438\u0445 \u0432\u0456\u0434\u043F\u043E\u0432\u0456\u0434\u043D\u0456 \u0446\u0438\u0444\u0440\u0438 \u0434\u0432\u043E\u0445 \u0434\u0432\u0456\u0439\u043A\u043E\u0432\u0438\u0445 \u0441\u043B\u0456\u0432 \u043E\u0434\u043D\u0430\u043A\u043E\u0432\u043E\u0457 \u0434\u043E\u0432\u0436\u0438\u043D\u0438 \u0440\u0456\u0437\u043D\u0456. \u0423 \u0437\u0430\u0433\u0430\u043B\u044C\u043D\u0456\u0448\u043E\u043C\u0443 \u0432\u0438\u043F\u0430\u0434\u043A\u0443 \u0432\u0456\u0434\u0441\u0442\u0430\u043D\u044C \u0413\u0435\u043C\u043C\u0456\u043D\u0433\u0430 \u0437\u0430\u0441\u0442\u043E\u0441\u043E\u0432\u0443\u0454\u0442\u044C\u0441\u044F \u0434\u043B\u044F \u0440\u044F\u0434\u043A\u0456\u0432 \u043E\u0434\u043D\u0430\u043A\u043E\u0432\u043E\u0457 \u0434\u043E\u0432\u0436\u0438\u043D\u0438 \u0431\u0443\u0434\u044C-\u044F\u043A\u0438\u0445 \u0430\u0431\u0435\u0442\u043E\u043A, \u0449\u043E \u0441\u043A\u043B\u0430\u0434\u0430\u044E\u0442\u044C\u0441\u044F \u0437 q \u0441\u0438\u043C\u0432\u043E\u043B\u0456\u0432, \u0456 \u0441\u043B\u0443\u0436\u0438\u0442\u044C \u043C\u0435\u0442\u0440\u0438\u043A\u043E\u044E \u0432\u0456\u0434\u043C\u0456\u043D\u043D\u043E\u0441\u0442\u0456 (\u0444\u0443\u043D\u043A\u0446\u0456\u0454\u044E, \u0449\u043E \u0432\u0438\u0437\u043D\u0430\u0447\u0430\u0454 \u0432\u0456\u0434\u0441\u0442\u0430\u043D\u044C \u0432 \u043C\u0435\u0442\u0440\u0438\u0447\u043D\u043E\u043C\u0443 \u043F\u0440\u043E\u0441\u0442\u043E\u0440\u0456) \u043E\u0431'\u0454\u043A\u0442\u0456\u0432 \u043E\u0434\u043D\u0430\u043A\u043E\u0432\u043E\u0457 \u0432\u0438\u043C\u0456\u0440\u043D\u043E\u0441\u0442\u0456."@uk . "Hamming distance 3 bit binary.svg"@en . "\u6C49\u660E\u8DDD\u79BB"@zh . . . . . "3"^^ . . "\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2"@ja . . . . . "Hamming distance"@en . . . "Der Hamming-Abstand (auch Hamming-Distanz) und das Hamming-Gewicht, benannt nach dem US-amerikanischen Mathematiker Richard Wesley Hamming (1915\u20131998), sind Ma\u00DFe f\u00FCr die Unterschiedlichkeit von Zeichenketten. Der Hamming-Abstand zweier Bl\u00F6cke mit gleicher L\u00E4nge (sogenannter Codew\u00F6rter) ist dabei die Anzahl der unterschiedlichen Stellen."@de . . . . . "\uBE14\uB85D \uBD80\uD638 \uC774\uB860\uC5D0\uC11C, \uD574\uBC0D \uAC70\uB9AC(Hamming\u8DDD\u96E2, \uC601\uC5B4: Hamming distance)\uB294 \uACF1\uC9D1\uD569 \uC704\uC5D0 \uC815\uC758\uB418\uB294 \uAC70\uB9AC \uD568\uC218\uC774\uB2E4. \uB300\uB7B5, \uAC19\uC740 \uAE38\uC774\uC758 \uB450 \uBB38\uC790\uC5F4\uC5D0\uC11C, \uAC19\uC740 \uC704\uCE58\uC5D0\uC11C \uC11C\uB85C \uB2E4\uB978 \uAE30\uD638\uB4E4\uC774 \uBA87 \uAC1C\uC778\uC9C0\uB97C \uC13C\uB2E4."@ko . . . . "Odleg\u0142o\u015B\u0107 Hamminga (ang. Hamming distance), \u2013 wprowadzona przez Richarda Hamminga miara odmienno\u015Bci dw\u00F3ch ci\u0105g\u00F3w o takiej samej d\u0142ugo\u015Bci, wyra\u017Caj\u0105ca liczb\u0119 miejsc (pozycji), na kt\u00F3rych te dwa ci\u0105gi si\u0119 r\u00F3\u017Cni\u0105. Innymi s\u0142owy jest to najmniejsza liczba zmian (operacji zast\u0119powania elementu innym), jakie pozwalaj\u0105 przeprowadzi\u0107 jeden ci\u0105g na drugi."@pl . . . . . . . . "\u0412\u0456\u0434\u0441\u0442\u0430\u043D\u044C \u0413\u0435\u043C\u043C\u0456\u043D\u0433\u0430"@uk . "Hammingova vzd\u00E1lenost je nejmen\u0161\u00ED po\u010Det pozic, na kter\u00FDch se \u0159et\u011Bzce stejn\u00E9 d\u00E9lky dan\u00E9ho k\u00F3du li\u0161\u00ED, neboli po\u010Det z\u00E1m\u011Bn, kter\u00E9 je pot\u0159eba prov\u00E9st pro zm\u011Bnu jednoho z \u0159et\u011Bzc\u016F na druh\u00FD. Nap\u0159\u00EDklad pro bin\u00E1rn\u00ED slova (\u010D\u00EDsla) je tato vzd\u00E1lenost po\u010Det bit\u016F, ve kter\u00FDch se dan\u00E1 slova li\u0161\u00ED."@cs . . . . . . "In de coderingstheorie, een onderdeel van de informatietheorie is de hammingafstand een maat voor het verschil tussen twee rijen symbolen van gelijke lengte. De hammingafstand is het aantal posities waarin de twee rijen (bijvoorbeeld binaire of letterwoorden) van elkaar verschillen. De woorden '1001' en '0011', bijvoorbeeld, verschillen in twee posities, namelijk de 1e en de 3e, zodat de hammingafstand tussen '1001' en '0011' gelijk is aan 2. De hammingafstand is niet beperkt tot binaire woorden, maar is ook geldig voor woorden in een algemeen alfabet. De woorden '310201' en '615204' ter lengte 6, waarvan de (code)symbolen afkomstig zijn uit de verzameling {0, 1, 2, 3, 4, 5, 6}, verschillen op de eerste, derde en zesde positie, zodat de hammingafstand gelijk is aan 3. Men kan ook zeggen dat de hammingafstand gelijk is aan het aantal symbolen in het ene woord die veranderd moeten worden om het andere woord te krijgen. De afstandsmaat is genoemd naar Richard Hamming, een Amerikaanse wiskundige, die de eerste foutencorrigerende code heeft bedacht, de hamming-code. Een code is een verzameling van codewoorden. De minimum hammingafstand van een code is de kleinste afstand tussen twee verschillende woorden in de code. De minimum hammingafstand is van belang voor de foutencorrigerende capaciteit van de code."@nl . . . . . . "En inform\u00E0tica, la dist\u00E0ncia de Hamming entre dues cadenes de la mateixa longitud \u00E9s el nombre de posicions diferents. Si considerem cadenes de bits, correspon al nombre de bits que s'han de canviar d'una cadena perqu\u00E8 passi a tenir el valor d'una altra cadena."@ca . "Hammingafstand"@nl . "\u5728\u4FE1\u606F\u8BBA\u4E2D\uFF0C\u4E24\u4E2A\u7B49\u957F\u5B57\u7B26\u4E32\u4E4B\u95F4\u7684\u6C49\u660E\u8DDD\u79BB\uFF08\u82F1\u8A9E\uFF1AHamming distance\uFF09\u662F\u4E24\u4E2A\u5B57\u7B26\u4E32\u5BF9\u5E94\u4F4D\u7F6E\u7684\u4E0D\u540C\u5B57\u7B26\u7684\u4E2A\u6570\u3002\u6362\u53E5\u8BDD\u8BF4\uFF0C\u5B83\u5C31\u662F\u5C06\u4E00\u4E2A\u5B57\u7B26\u4E32\u53D8\u6362\u6210\u53E6\u5916\u4E00\u4E2A\u5B57\u7B26\u4E32\u6240\u9700\u8981\u66FF\u6362\u7684\u5B57\u7B26\u4E2A\u6570\u3002 \u6C49\u660E\u91CD\u91CF\u662F\u5B57\u7B26\u4E32\u76F8\u5BF9\u4E8E\u540C\u6837\u957F\u5EA6\u7684\u96F6\u5B57\u7B26\u4E32\u7684\u6C49\u660E\u8DDD\u79BB\uFF0C\u4E5F\u5C31\u662F\u8BF4\uFF0C\u5B83\u662F\u5B57\u7B26\u4E32\u4E2D\u975E\u96F6\u7684\u5143\u7D20\u4E2A\u6570\uFF1A\u5BF9\u4E8E\u4E8C\u8FDB\u5236\u5B57\u7B26\u4E32\u6765\u8BF4\uFF0C\u5C31\u662F1\u7684\u4E2A\u6570\uFF0C\u6240\u4EE511101\u7684\u6C49\u660E\u91CD\u91CF\u662F4\u3002"@zh . . "Distance de Hamming"@fr . . . "15382"^^ . . . . "Der Hamming-Abstand (auch Hamming-Distanz) und das Hamming-Gewicht, benannt nach dem US-amerikanischen Mathematiker Richard Wesley Hamming (1915\u20131998), sind Ma\u00DFe f\u00FCr die Unterschiedlichkeit von Zeichenketten. Der Hamming-Abstand zweier Bl\u00F6cke mit gleicher L\u00E4nge (sogenannter Codew\u00F6rter) ist dabei die Anzahl der unterschiedlichen Stellen. Die Hamming-Distanz wird zur Fehlererkennung und zur Fehlerkorrektur benutzt, indem Dateneinheiten, die \u00FCber eine \u00DCbertragungsstrecke empfangen werden, mit g\u00FCltigen Zeichen verglichen werden. Eine etwaige Korrektur der Zeichen erfolgt nach dem Wahrscheinlichkeitsprinzip. Ob eine Fehlererkennung oder -korrektur stattfinden kann, h\u00E4ngt von der Hamming-Distanz ab. H\u00E4ufig handelt es sich um bin\u00E4r dargestellte Zahlen, so zum Beispiel in der Kodierungstheorie. In diesem Fall l\u00E4sst sich rechnerisch der Vergleich durch eine XOR-Operation und das Abz\u00E4hlen der resultierenden Einsen realisieren. F\u00FCr andere Zahlensysteme oder Alphabete existieren jedoch ebenfalls wichtige Anwendungen."@de . . . . . . "Na teoria da informa\u00E7\u00E3o, a dist\u00E2ncia de Hamming entre duas strings de mesmo comprimento \u00E9 o n\u00FAmero de posi\u00E7\u00F5es nas quais elas diferem entre si. Vista de outra forma, ela corresponde ao menor n\u00FAmero de substitui\u00E7\u00F5es necess\u00E1rias para transformar uma string na outra, ou o n\u00FAmero de erros que transformaram uma na outra."@pt . . "Distanza di Hamming"@it . . . "Odleg\u0142o\u015B\u0107 Hamminga (ang. Hamming distance), \u2013 wprowadzona przez Richarda Hamminga miara odmienno\u015Bci dw\u00F3ch ci\u0105g\u00F3w o takiej samej d\u0142ugo\u015Bci, wyra\u017Caj\u0105ca liczb\u0119 miejsc (pozycji), na kt\u00F3rych te dwa ci\u0105gi si\u0119 r\u00F3\u017Cni\u0105. Innymi s\u0142owy jest to najmniejsza liczba zmian (operacji zast\u0119powania elementu innym), jakie pozwalaj\u0105 przeprowadzi\u0107 jeden ci\u0105g na drugi."@pl . "41227"^^ . . . . . . . . . . . . . . . "En inform\u00E0tica, la dist\u00E0ncia de Hamming entre dues cadenes de la mateixa longitud \u00E9s el nombre de posicions diferents. Si considerem cadenes de bits, correspon al nombre de bits que s'han de canviar d'una cadena perqu\u00E8 passi a tenir el valor d'una altra cadena."@ca . . . . . . . . . "Hamming-Abstand"@de . . . "Dalam teori informasi, jarak Hamming antara dua string dengan panjang yang sama, adalah banyaknya posisi di kedua string yang berbeda simbol. Dalam kata lain, jarak Hamming mengukur minimum banyaknya subtitusi yang dibutuhkan untuk mengubah satu string menjadi string lain. Dalam konteks yang lebih umum, jarak Hamming adalah salah satu metriks untuk mengukur edit distance antara dua barisan. Jarak ini dinamai dengan nama matematikawan Amerika, Richard Hamming. Jarak ini sering digunakan di teori kode, lebih spesifik pada , dengan string dengan panjang sama berupa vektor atas finite field."@in . "\u0420\u0430\u0441\u0441\u0442\u043E\u044F\u0301\u043D\u0438\u0435 \u0425\u044D\u0301\u043C\u043C\u0438\u043D\u0433\u0430 (\u043A\u043E\u0434\u043E\u0432\u043E\u0435 \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435) \u2014 \u0447\u0438\u0441\u043B\u043E \u043F\u043E\u0437\u0438\u0446\u0438\u0439, \u0432 \u043A\u043E\u0442\u043E\u0440\u044B\u0445 \u0441\u043E\u043E\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044E\u0449\u0438\u0435 \u0441\u0438\u043C\u0432\u043E\u043B\u044B \u0434\u0432\u0443\u0445 \u0441\u043B\u043E\u0432 \u043E\u0434\u0438\u043D\u0430\u043A\u043E\u0432\u043E\u0439 \u0434\u043B\u0438\u043D\u044B \u0440\u0430\u0437\u043B\u0438\u0447\u043D\u044B. \u0412 \u0431\u043E\u043B\u0435\u0435 \u043E\u0431\u0449\u0435\u043C \u0441\u043B\u0443\u0447\u0430\u0435 \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435 \u0425\u044D\u043C\u043C\u0438\u043D\u0433\u0430 \u043F\u0440\u0438\u043C\u0435\u043D\u044F\u0435\u0442\u0441\u044F \u0434\u043B\u044F \u0441\u0442\u0440\u043E\u043A \u043E\u0434\u0438\u043D\u0430\u043A\u043E\u0432\u043E\u0439 \u0434\u043B\u0438\u043D\u044B \u043B\u044E\u0431\u044B\u0445 q-\u0438\u0447\u043D\u044B\u0445 \u0430\u043B\u0444\u0430\u0432\u0438\u0442\u043E\u0432 \u0438 \u0441\u043B\u0443\u0436\u0438\u0442 \u043C\u0435\u0442\u0440\u0438\u043A\u043E\u0439 \u0440\u0430\u0437\u043B\u0438\u0447\u0438\u044F (\u0444\u0443\u043D\u043A\u0446\u0438\u0435\u0439, \u043E\u043F\u0440\u0435\u0434\u0435\u043B\u044F\u044E\u0449\u0435\u0439 \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435 \u0432 \u043C\u0435\u0442\u0440\u0438\u0447\u0435\u0441\u043A\u043E\u043C \u043F\u0440\u043E\u0441\u0442\u0440\u0430\u043D\u0441\u0442\u0432\u0435) \u043E\u0431\u044A\u0435\u043A\u0442\u043E\u0432 \u043E\u0434\u0438\u043D\u0430\u043A\u043E\u0432\u043E\u0439 \u0440\u0430\u0437\u043C\u0435\u0440\u043D\u043E\u0441\u0442\u0438. . \u0414\u0432\u0430 \u0441\u043B\u043E\u0432\u0430, \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435 \u0425\u044D\u043C\u043C\u0438\u043D\u0433\u0430 \u043C\u0435\u0436\u0434\u0443 \u043A\u043E\u0442\u043E\u0440\u044B\u043C\u0438 \u0440\u0430\u0432\u043D\u043E 1, \u043D\u0430\u0437\u044B\u0432\u0430\u044E\u0442 \u0441\u043E\u0441\u0435\u0434\u043D\u0438\u043C\u0438. \u0421\u043E\u0441\u0435\u0434\u043D\u0435\u0435 \u043A\u043E\u0434\u0438\u0440\u043E\u0432\u0430\u043D\u0438\u0435 \u0432\u0430\u0436\u043D\u043E \u043F\u0440\u0438 \u043F\u0440\u043E\u0435\u043A\u0442\u0438\u0440\u043E\u0432\u0430\u043D\u0438\u0438 \u043B\u043E\u0433\u0438\u0447\u0435\u0441\u043A\u0438\u0445 \u0443\u0441\u0442\u0440\u043E\u0439\u0441\u0442\u0432, \u0433\u0434\u0435 \u043D\u0435\u043E\u0431\u0445\u043E\u0434\u0438\u043C\u043E \u0438\u0441\u043A\u043B\u044E\u0447\u0438\u0442\u044C \u043B\u043E\u0433\u0438\u0447\u0435\u0441\u043A\u0438\u0435 \u0433\u043E\u043D\u043A\u0438."@ru . . . "Hammingavst\u00E5nd (\u00E4ldre beteckning: Hammingdistans), uppkallat efter Richard Hamming, \u00E4r en storhet i informationsteorin, som i ett visst avseende anger skillnaden mellan tv\u00E5 lika l\u00E5nga teckenstr\u00E4ngar eller ord. Begreppet anv\u00E4nds i samband med olika slags felkorrigerande koder, vilka anv\u00E4nds f\u00F6r att uppt\u00E4cka och korrigera fel vid informations\u00F6verf\u00F6ring."@sv . . . . . . . . . "Hammingova vzd\u00E1lenost je nejmen\u0161\u00ED po\u010Det pozic, na kter\u00FDch se \u0159et\u011Bzce stejn\u00E9 d\u00E9lky dan\u00E9ho k\u00F3du li\u0161\u00ED, neboli po\u010Det z\u00E1m\u011Bn, kter\u00E9 je pot\u0159eba prov\u00E9st pro zm\u011Bnu jednoho z \u0159et\u011Bzc\u016F na druh\u00FD. Nap\u0159\u00EDklad pro bin\u00E1rn\u00ED slova (\u010D\u00EDsla) je tato vzd\u00E1lenost po\u010Det bit\u016F, ve kter\u00FDch se dan\u00E1 slova li\u0161\u00ED."@cs . . "La distance de Hamming est une notion math\u00E9matique, d\u00E9finie par Richard Hamming, et utilis\u00E9e en informatique, en traitement du signal et dans les t\u00E9l\u00E9communications. Elle joue un r\u00F4le important en th\u00E9orie alg\u00E9brique des codes correcteurs. Elle permet de quantifier la diff\u00E9rence entre deux s\u00E9quences de symboles. C'est une distance au sens math\u00E9matique du terme. \u00C0 deux suites de symboles de m\u00EAme longueur, elle associe le nombre de positions o\u00F9 les deux suites diff\u00E8rent. Le poids de Hamming correspond au nombre d'\u00E9l\u00E9ments diff\u00E9rents de z\u00E9ro dans une cha\u00EEne d'\u00E9l\u00E9ments d'un corps fini."@fr . . . . "\u0391\u03C0\u03CC\u03C3\u03C4\u03B1\u03C3\u03B7 \u03A7\u03AC\u03BC\u03B9\u03BD\u03B3\u03BA"@el . . . . . "Dist\u00E0ncia de Hamming"@ca . . "\u60C5\u5831\u7406\u8AD6\u306B\u304A\u3044\u3066\u3001\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\uFF08\u30CF\u30DF\u30F3\u30B0\u304D\u3087\u308A\u3001\u82F1: Hamming distance\uFF09\u3068\u306F\u3001\u7B49\u3057\u3044\u6587\u5B57\u6570\u3092\u6301\u3064\u4E8C\u3064\u306E\u6587\u5B57\u5217\u306E\u4E2D\u3067\u3001\u5BFE\u5FDC\u3059\u308B\u4F4D\u7F6E\u306B\u3042\u308B\u7570\u306A\u3063\u305F\u6587\u5B57\u306E\u500B\u6570\u3067\u3042\u308B\u3002\u5225\u306E\u8A00\u3044\u65B9\u3092\u3059\u308C\u3070\u3001\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F\u3001\u3042\u308B\u6587\u5B57\u5217\u3092\u5225\u306E\u6587\u5B57\u5217\u306B\u5909\u5F62\u3059\u308B\u969B\u306B\u5FC5\u8981\u306A\u7F6E\u63DB\u56DE\u6570\u3092\u8A08\u6E2C\u3057\u305F\u3082\u306E\u3067\u3042\u308B\u3002\u3053\u306E\u7528\u8A9E\u306F\u3001\u30EA\u30C1\u30E3\u30FC\u30C9\u30FB\u30CF\u30DF\u30F3\u30B0 (Richard Wesley Hamming) \u306B\u3061\u306A\u3093\u3067\u547D\u540D\u3055\u308C\u305F\u3082\u306E\u3067\u3001\u9F3B\u6B4C (humming) \u3067\u306F\u306A\u3044\u3002 \u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F\u3001\u306B\u304A\u3051\u308B\u56FA\u5B9A\u9577\u30D0\u30A4\u30CA\u30EA\u30FC\u6587\u5B57\u5217\u306E\u4E2D\u3067\u5F3E\u304B\u308C\u305F\u30D3\u30C3\u30C8\u6570\u3084\u3001\u30A8\u30E9\u30FC\u306E\u6982\u7B97\u3092\u6570\u3048\u308B\u306E\u306B\u7528\u3044\u3089\u308C\u308B\u305F\u3081\u306B\u3001\u4FE1\u53F7\u8DDD\u96E2\u3068\u3082\u547C\u3070\u308C\u308B\u3002\u6587\u5B57\u6570 n \u306E1\u30D3\u30C3\u30C8\u6587\u5B57\u5217\u9593\u306E\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F\u3001\u305D\u308C\u3089\u306E\u6587\u5B57\u5217\u9593\u306E\u6392\u4ED6\u7684\u8AD6\u7406\u548C\u306E\u30CF\u30DF\u30F3\u30B0\u91CD\u307F\uFF08\u6587\u5B57\u5217\u5185\u306E 1 \u306E\u500B\u6570\uFF09\u304B\u3001 n \u6B21\u5143\u8D85\u7ACB\u65B9\u4F53\u306E 2 \u9802\u70B9\u9593\u306E\u30DE\u30F3\u30CF\u30C3\u30BF\u30F3\u8DDD\u96E2\u306B\u76F8\u5F53\u3059\u308B\u3002 \u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306E\u4F8B\uFF1A \n* 1011101 \u3068 1001001 \u306E\u9593\u306E\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F 2 \u3067\u3042\u308B\u3002 \n* 2173896 \u3068 2233796 \u306E\u9593\u306E\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F 3 \u3067\u3042\u308B\u3002 \n* \"toned\" \u3068 \"roses\" \u306E\u9593\u306E\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F 3 \u3067\u3042\u308B\u3002 \u7570\u306A\u308B\u6587\u5B57\u6570\u306E\u6587\u5B57\u5217\u3092\u6BD4\u8F03\u3059\u308B\u5834\u5408\u3084\u3001\u6587\u5B57\u306E\u7F6E\u63DB\u3060\u3051\u3067\u306F\u306A\u304F\u633F\u5165\u3084\u524A\u9664\u304C\u6C42\u3081\u3089\u308C\u308B\u5834\u5408\u306B\u306F\u3001\u3088\u308A\u9069\u5207\u306A\u30EC\u30FC\u30D9\u30F3\u30B7\u30E5\u30BF\u30A4\u30F3\u8DDD\u96E2\u306E\u3088\u3046\u306A\u6D17\u7DF4\u3055\u308C\u305F\u8A08\u6E2C\u6CD5\u304C\u5B58\u5728\u3059\u308B\u3002"@ja . . "Dalam teori informasi, jarak Hamming antara dua string dengan panjang yang sama, adalah banyaknya posisi di kedua string yang berbeda simbol. Dalam kata lain, jarak Hamming mengukur minimum banyaknya subtitusi yang dibutuhkan untuk mengubah satu string menjadi string lain. Dalam konteks yang lebih umum, jarak Hamming adalah salah satu metriks untuk mengukur edit distance antara dua barisan. Jarak ini dinamai dengan nama matematikawan Amerika, Richard Hamming. Jarak ini sering digunakan di teori kode, lebih spesifik pada , dengan string dengan panjang sama berupa vektor atas finite field."@in . . "\u03A3\u03C4\u03B7\u03BD \u03B8\u03B5\u03C9\u03C1\u03AF\u03B1 \u03C0\u03BB\u03B7\u03C1\u03BF\u03C6\u03BF\u03C1\u03AF\u03B1\u03C2, \u03C9\u03C2 \u03B1\u03C0\u03CC\u03C3\u03C4\u03B1\u03C3\u03B7 \u03A7\u03AC\u03BC\u03B9\u03BD\u03B3\u03BA \u03BC\u03B5\u03C4\u03B1\u03BE\u03CD \u03B4\u03CD\u03BF \u03C3\u03C5\u03BC\u03B2\u03BF\u03BB\u03BF\u03C3\u03B5\u03B9\u03C1\u03CE\u03BD \u03AF\u03C3\u03BF\u03C5 \u03BC\u03AE\u03BA\u03BF\u03C5\u03C2 \u03BF\u03C1\u03AF\u03B6\u03B5\u03C4\u03B1\u03B9 \u03BF \u03B1\u03C1\u03B9\u03B8\u03BC\u03CC\u03C2 \u03B8\u03AD\u03C3\u03B5\u03C9\u03BD \u03C3\u03C4\u03B9\u03C2 \u03BF\u03C0\u03BF\u03AF\u03B5\u03C2 \u03C4\u03B1 \u03B1\u03BD\u03C4\u03AF\u03C3\u03C4\u03BF\u03B9\u03C7\u03B1 \u03C3\u03CD\u03BC\u03B2\u03BF\u03BB\u03B1 \u03B5\u03AF\u03BD\u03B1\u03B9 \u03B4\u03B9\u03B1\u03C6\u03BF\u03C1\u03B5\u03C4\u03B9\u03BA\u03AC. \u0397 \u03B1\u03C0\u03CC\u03C3\u03C4\u03B1\u03C3\u03B7 \u03A7\u03AC\u03BC\u03B9\u03BD\u03B3\u03BA, \u03BC\u03B5\u03C4\u03C1\u03AC \u03C4\u03BF\u03BD \u03B5\u03BB\u03AC\u03C7\u03B9\u03C3\u03C4\u03BF \u03B1\u03C1\u03B9\u03B8\u03BC\u03CC \u03B1\u03BD\u03C4\u03B9\u03BA\u03B1\u03C4\u03B1\u03C3\u03C4\u03AC\u03C3\u03B5\u03C9\u03BD \u03C0\u03BF\u03C5 \u03C7\u03C1\u03B5\u03B9\u03AC\u03B6\u03BF\u03BD\u03C4\u03B1\u03B9 \u03CE\u03C3\u03C4\u03B5 \u03BD\u03B1 \u03BC\u03B5\u03C4\u03B1\u03C4\u03C1\u03B1\u03C0\u03B5\u03AF \u03B7 \u03BC\u03AF\u03B1 \u03C3\u03C5\u03BC\u03B2\u03BF\u03BB\u03BF\u03C3\u03B5\u03B9\u03C1\u03AC \u03C3\u03C4\u03B7\u03BD \u03AC\u03BB\u03BB\u03B7, \u03AE \u03B1\u03BB\u03BB\u03B9\u03CE\u03C2, \u03C4\u03BF\u03BD \u03B1\u03C1\u03B9\u03B8\u03BC\u03CC \u03C4\u03C9\u03BD \u03BB\u03B1\u03B8\u03CE\u03BD \u03C0\u03BF\u03C5 \u03BC\u03B5\u03C4\u03AD\u03C4\u03C1\u03B5\u03C8\u03B1\u03BD \u03C4\u03B7\u03BD \u03BC\u03AF\u03B1 \u03C3\u03C5\u03BC\u03B2\u03BF\u03BB\u03BF\u03C3\u03B5\u03B9\u03C1\u03AC \u03C3\u03C4\u03B7\u03BD \u03AC\u03BB\u03BB\u03B7."@el . "La distance de Hamming est une notion math\u00E9matique, d\u00E9finie par Richard Hamming, et utilis\u00E9e en informatique, en traitement du signal et dans les t\u00E9l\u00E9communications. Elle joue un r\u00F4le important en th\u00E9orie alg\u00E9brique des codes correcteurs. Elle permet de quantifier la diff\u00E9rence entre deux s\u00E9quences de symboles. C'est une distance au sens math\u00E9matique du terme. \u00C0 deux suites de symboles de m\u00EAme longueur, elle associe le nombre de positions o\u00F9 les deux suites diff\u00E8rent. Le poids de Hamming correspond au nombre d'\u00E9l\u00E9ments diff\u00E9rents de z\u00E9ro dans une cha\u00EEne d'\u00E9l\u00E9ments d'un corps fini."@fr . . . . . "Nella teoria dell'informazione, la distanza di Hamming tra due stringhe di ugual lunghezza \u00E8 il numero di posizioni nelle quali i simboli corrispondenti sono diversi. In altri termini, la distanza di Hamming misura il numero di sostituzioni necessarie per convertire una stringa nell'altra, o, vista in altro modo, il numero minimo di errori che possono aver portato alla trasformazione di una stringa nell'altra."@it . . . "1115117890"^^ . "Jarak Hamming"@in . . "Hamming distance"@en . "\u60C5\u5831\u7406\u8AD6\u306B\u304A\u3044\u3066\u3001\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\uFF08\u30CF\u30DF\u30F3\u30B0\u304D\u3087\u308A\u3001\u82F1: Hamming distance\uFF09\u3068\u306F\u3001\u7B49\u3057\u3044\u6587\u5B57\u6570\u3092\u6301\u3064\u4E8C\u3064\u306E\u6587\u5B57\u5217\u306E\u4E2D\u3067\u3001\u5BFE\u5FDC\u3059\u308B\u4F4D\u7F6E\u306B\u3042\u308B\u7570\u306A\u3063\u305F\u6587\u5B57\u306E\u500B\u6570\u3067\u3042\u308B\u3002\u5225\u306E\u8A00\u3044\u65B9\u3092\u3059\u308C\u3070\u3001\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F\u3001\u3042\u308B\u6587\u5B57\u5217\u3092\u5225\u306E\u6587\u5B57\u5217\u306B\u5909\u5F62\u3059\u308B\u969B\u306B\u5FC5\u8981\u306A\u7F6E\u63DB\u56DE\u6570\u3092\u8A08\u6E2C\u3057\u305F\u3082\u306E\u3067\u3042\u308B\u3002\u3053\u306E\u7528\u8A9E\u306F\u3001\u30EA\u30C1\u30E3\u30FC\u30C9\u30FB\u30CF\u30DF\u30F3\u30B0 (Richard Wesley Hamming) \u306B\u3061\u306A\u3093\u3067\u547D\u540D\u3055\u308C\u305F\u3082\u306E\u3067\u3001\u9F3B\u6B4C (humming) \u3067\u306F\u306A\u3044\u3002 \u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F\u3001\u306B\u304A\u3051\u308B\u56FA\u5B9A\u9577\u30D0\u30A4\u30CA\u30EA\u30FC\u6587\u5B57\u5217\u306E\u4E2D\u3067\u5F3E\u304B\u308C\u305F\u30D3\u30C3\u30C8\u6570\u3084\u3001\u30A8\u30E9\u30FC\u306E\u6982\u7B97\u3092\u6570\u3048\u308B\u306E\u306B\u7528\u3044\u3089\u308C\u308B\u305F\u3081\u306B\u3001\u4FE1\u53F7\u8DDD\u96E2\u3068\u3082\u547C\u3070\u308C\u308B\u3002\u6587\u5B57\u6570 n \u306E1\u30D3\u30C3\u30C8\u6587\u5B57\u5217\u9593\u306E\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F\u3001\u305D\u308C\u3089\u306E\u6587\u5B57\u5217\u9593\u306E\u6392\u4ED6\u7684\u8AD6\u7406\u548C\u306E\u30CF\u30DF\u30F3\u30B0\u91CD\u307F\uFF08\u6587\u5B57\u5217\u5185\u306E 1 \u306E\u500B\u6570\uFF09\u304B\u3001 n \u6B21\u5143\u8D85\u7ACB\u65B9\u4F53\u306E 2 \u9802\u70B9\u9593\u306E\u30DE\u30F3\u30CF\u30C3\u30BF\u30F3\u8DDD\u96E2\u306B\u76F8\u5F53\u3059\u308B\u3002 \u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306E\u4F8B\uFF1A \n* 1011101 \u3068 1001001 \u306E\u9593\u306E\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F 2 \u3067\u3042\u308B\u3002 \n* 2173896 \u3068 2233796 \u306E\u9593\u306E\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F 3 \u3067\u3042\u308B\u3002 \n* \"toned\" \u3068 \"roses\" \u306E\u9593\u306E\u30CF\u30DF\u30F3\u30B0\u8DDD\u96E2\u306F 3 \u3067\u3042\u308B\u3002 \u7570\u306A\u308B\u6587\u5B57\u6570\u306E\u6587\u5B57\u5217\u3092\u6BD4\u8F03\u3059\u308B\u5834\u5408\u3084\u3001\u6587\u5B57\u306E\u7F6E\u63DB\u3060\u3051\u3067\u306F\u306A\u304F\u633F\u5165\u3084\u524A\u9664\u304C\u6C42\u3081\u3089\u308C\u308B\u5834\u5408\u306B\u306F\u3001\u3088\u308A\u9069\u5207\u306A\u30EC\u30FC\u30D9\u30F3\u30B7\u30E5\u30BF\u30A4\u30F3\u8DDD\u96E2\u306E\u3088\u3046\u306A\u6D17\u7DF4\u3055\u308C\u305F\u8A08\u6E2C\u6CD5\u304C\u5B58\u5728\u3059\u308B\u3002"@ja . "\u0412\u0456\u0434\u0441\u0442\u0430\u043D\u044C \u0413\u0435\u043C\u043C\u0456\u043D\u0433\u0430 (\u0430\u043D\u0433\u043B. Hamming distance) \u2014 \u0447\u0438\u0441\u043B\u043E \u043F\u043E\u0437\u0438\u0446\u0456\u0439, \u0443 \u044F\u043A\u0438\u0445 \u0432\u0456\u0434\u043F\u043E\u0432\u0456\u0434\u043D\u0456 \u0446\u0438\u0444\u0440\u0438 \u0434\u0432\u043E\u0445 \u0434\u0432\u0456\u0439\u043A\u043E\u0432\u0438\u0445 \u0441\u043B\u0456\u0432 \u043E\u0434\u043D\u0430\u043A\u043E\u0432\u043E\u0457 \u0434\u043E\u0432\u0436\u0438\u043D\u0438 \u0440\u0456\u0437\u043D\u0456. \u0423 \u0437\u0430\u0433\u0430\u043B\u044C\u043D\u0456\u0448\u043E\u043C\u0443 \u0432\u0438\u043F\u0430\u0434\u043A\u0443 \u0432\u0456\u0434\u0441\u0442\u0430\u043D\u044C \u0413\u0435\u043C\u043C\u0456\u043D\u0433\u0430 \u0437\u0430\u0441\u0442\u043E\u0441\u043E\u0432\u0443\u0454\u0442\u044C\u0441\u044F \u0434\u043B\u044F \u0440\u044F\u0434\u043A\u0456\u0432 \u043E\u0434\u043D\u0430\u043A\u043E\u0432\u043E\u0457 \u0434\u043E\u0432\u0436\u0438\u043D\u0438 \u0431\u0443\u0434\u044C-\u044F\u043A\u0438\u0445 \u0430\u0431\u0435\u0442\u043E\u043A, \u0449\u043E \u0441\u043A\u043B\u0430\u0434\u0430\u044E\u0442\u044C\u0441\u044F \u0437 q \u0441\u0438\u043C\u0432\u043E\u043B\u0456\u0432, \u0456 \u0441\u043B\u0443\u0436\u0438\u0442\u044C \u043C\u0435\u0442\u0440\u0438\u043A\u043E\u044E \u0432\u0456\u0434\u043C\u0456\u043D\u043D\u043E\u0441\u0442\u0456 (\u0444\u0443\u043D\u043A\u0446\u0456\u0454\u044E, \u0449\u043E \u0432\u0438\u0437\u043D\u0430\u0447\u0430\u0454 \u0432\u0456\u0434\u0441\u0442\u0430\u043D\u044C \u0432 \u043C\u0435\u0442\u0440\u0438\u0447\u043D\u043E\u043C\u0443 \u043F\u0440\u043E\u0441\u0442\u043E\u0440\u0456) \u043E\u0431'\u0454\u043A\u0442\u0456\u0432 \u043E\u0434\u043D\u0430\u043A\u043E\u0432\u043E\u0457 \u0432\u0438\u043C\u0456\u0440\u043D\u043E\u0441\u0442\u0456. \u0406\u043D\u0448\u0438\u043C\u0438 \u0441\u043B\u043E\u0432\u0430\u043C\u0438, \u0432\u0456\u0434\u0441\u0442\u0430\u043D\u044C \u0413\u0435\u043C\u043C\u0456\u043D\u0433\u0430 \u0432\u0438\u043C\u0456\u0440\u044E\u0454 \u043C\u0456\u043D\u0456\u043C\u0430\u043B\u044C\u043D\u0443 \u043A\u0456\u043B\u044C\u043A\u0456\u0441\u0442\u044C \u0437\u0430\u043C\u0456\u043D, \u043D\u0435\u043E\u0431\u0445\u0456\u0434\u043D\u0438\u0445 \u0434\u043B\u044F \u0437\u043C\u0456\u043D\u0438 \u043E\u0434\u043D\u043E\u0433\u043E \u0440\u044F\u0434\u043A\u0430 \u0432 \u0456\u043D\u0448\u0438\u0439, \u0430\u0431\u043E \u043C\u0456\u043D\u0456\u043C\u0430\u043B\u044C\u043D\u0443 \u043A\u0456\u043B\u044C\u043A\u0456\u0441\u0442\u044C \u043F\u043E\u043C\u0438\u043B\u043E\u043A, \u044F\u043A\u0456 \u043C\u043E\u0433\u043B\u0438 \u043F\u0435\u0440\u0435\u0442\u0432\u043E\u0440\u0438\u0442\u0438 \u043E\u0434\u043D\u0443 \u0441\u0442\u0440\u0456\u0447\u043A\u0443 \u0432 \u0456\u043D\u0448\u0443. \u0423 \u0431\u0456\u043B\u044C\u0448 \u0437\u0430\u0433\u0430\u043B\u044C\u043D\u043E\u043C\u0443 \u043A\u043E\u043D\u0442\u0435\u043A\u0441\u0442\u0456 \u0432\u0456\u0434\u0441\u0442\u0430\u043D\u044C \u0425\u0435\u043C\u043C\u0456\u043D\u0433\u0430 \u0454 \u043E\u0434\u043D\u0456\u0454\u044E \u0437 \u0434\u043B\u044F \u0432\u0438\u043C\u0456\u0440\u044E\u0432\u0430\u043D\u043D\u044F \u043C\u0456\u0436 \u0434\u0432\u043E\u043C\u0430 \u043F\u043E\u0441\u043B\u0456\u0434\u043E\u0432\u043D\u043E\u0441\u0442\u044F\u043C\u0438. \u0421\u043F\u043E\u0447\u0430\u0442\u043A\u0443 \u043C\u0435\u0442\u0440\u0438\u043A\u0430 \u0431\u0443\u043B\u0430 \u0441\u0444\u043E\u0440\u043C\u0443\u043B\u044C\u043E\u0432\u0430\u043D\u0430 \u0420\u0456\u0447\u0430\u0440\u0434\u043E\u043C \u0413\u0435\u043C\u043C\u0456\u043D\u0433\u043E\u043C \u043F\u0456\u0434 \u0447\u0430\u0441 \u0439\u043E\u0433\u043E \u0440\u043E\u0431\u043E\u0442\u0438 \u0432 Bell Labs \u0434\u043B\u044F \u0432\u0438\u0437\u043D\u0430\u0447\u0435\u043D\u043D\u044F \u043C\u0456\u0440\u0438 \u0432\u0456\u0434\u043C\u0456\u043D\u043D\u043E\u0441\u0442\u0456 \u043C\u0456\u0436 \u043A\u043E\u0434\u043E\u0432\u0438\u043C\u0438 \u043A\u043E\u043C\u0431\u0456\u043D\u0430\u0446\u0456\u044F\u043C\u0438 (\u0434\u0432\u0456\u0439\u043A\u043E\u0432\u0438\u043C\u0438 \u0432\u0435\u043A\u0442\u043E\u0440\u0430\u043C\u0438) \u0443 \u0432\u0435\u043A\u0442\u043E\u0440\u043D\u043E\u043C\u0443 \u043F\u0440\u043E\u0441\u0442\u043E\u0440\u0456 \u043A\u043E\u0434\u043E\u0432\u0438\u0445 \u043F\u043E\u0441\u043B\u0456\u0434\u043E\u0432\u043D\u043E\u0441\u0442\u0435\u0439, \u0432 \u0446\u044C\u043E\u043C\u0443 \u0432\u0438\u043F\u0430\u0434\u043A\u0443 \u0432\u0456\u0434\u0441\u0442\u0430\u043D\u043D\u044E \u0413\u0435\u043C\u043C\u0456\u043D\u0433\u0430 \u043C\u0456\u0436 \u0434\u0432\u043E\u043C\u0430 \u0434\u0432\u0456\u0439\u043A\u043E\u0432\u0438\u043C\u0438 \u043F\u043E\u0441\u043B\u0456\u0434\u043E\u0432\u043D\u043E\u0441\u0442\u044F\u043C\u0438 (\u0432\u0435\u043A\u0442\u043E\u0440\u0430\u043C\u0438) \u0456 \u0434\u043E\u0432\u0436\u0438\u043D\u0438 \u043D\u0430\u0437\u0438\u0432\u0430\u0454\u0442\u044C\u0441\u044F \u043A\u0456\u043B\u044C\u043A\u0456\u0441\u0442\u044C \u043F\u043E\u0437\u0438\u0446\u0456\u0439, \u0432 \u044F\u043A\u0438\u0445 \u0432\u043E\u043D\u0438 \u0440\u0456\u0437\u043D\u0456 \u2014 \u0432 \u0442\u0430\u043A\u043E\u043C\u0443 \u0444\u043E\u0440\u043C\u0443\u043B\u044E\u0432\u0430\u043D\u043D\u0456 \u0432\u0456\u0434\u0441\u0442\u0430\u043D\u044C \u0413\u0435\u043C\u043C\u0456\u043D\u0433\u0430 \u0443\u0432\u0456\u0439\u0448\u043B\u0430 \u0432 \u043D\u0430\u0446\u0456\u043E\u043D\u0430\u043B\u044C\u043D\u043E\u0433\u043E \u0456\u043D\u0441\u0442\u0438\u0442\u0443\u0442\u0443 \u0441\u0442\u0430\u043D\u0434\u0430\u0440\u0442\u0456\u0432 \u0456 \u0442\u0435\u0445\u043D\u043E\u043B\u043E\u0433\u0456\u0439 \u0421\u0428\u0410."@uk . "\u0420\u0430\u0441\u0441\u0442\u043E\u044F\u0301\u043D\u0438\u0435 \u0425\u044D\u0301\u043C\u043C\u0438\u043D\u0433\u0430 (\u043A\u043E\u0434\u043E\u0432\u043E\u0435 \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435) \u2014 \u0447\u0438\u0441\u043B\u043E \u043F\u043E\u0437\u0438\u0446\u0438\u0439, \u0432 \u043A\u043E\u0442\u043E\u0440\u044B\u0445 \u0441\u043E\u043E\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044E\u0449\u0438\u0435 \u0441\u0438\u043C\u0432\u043E\u043B\u044B \u0434\u0432\u0443\u0445 \u0441\u043B\u043E\u0432 \u043E\u0434\u0438\u043D\u0430\u043A\u043E\u0432\u043E\u0439 \u0434\u043B\u0438\u043D\u044B \u0440\u0430\u0437\u043B\u0438\u0447\u043D\u044B. \u0412 \u0431\u043E\u043B\u0435\u0435 \u043E\u0431\u0449\u0435\u043C \u0441\u043B\u0443\u0447\u0430\u0435 \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435 \u0425\u044D\u043C\u043C\u0438\u043D\u0433\u0430 \u043F\u0440\u0438\u043C\u0435\u043D\u044F\u0435\u0442\u0441\u044F \u0434\u043B\u044F \u0441\u0442\u0440\u043E\u043A \u043E\u0434\u0438\u043D\u0430\u043A\u043E\u0432\u043E\u0439 \u0434\u043B\u0438\u043D\u044B \u043B\u044E\u0431\u044B\u0445 q-\u0438\u0447\u043D\u044B\u0445 \u0430\u043B\u0444\u0430\u0432\u0438\u0442\u043E\u0432 \u0438 \u0441\u043B\u0443\u0436\u0438\u0442 \u043C\u0435\u0442\u0440\u0438\u043A\u043E\u0439 \u0440\u0430\u0437\u043B\u0438\u0447\u0438\u044F (\u0444\u0443\u043D\u043A\u0446\u0438\u0435\u0439, \u043E\u043F\u0440\u0435\u0434\u0435\u043B\u044F\u044E\u0449\u0435\u0439 \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435 \u0432 \u043C\u0435\u0442\u0440\u0438\u0447\u0435\u0441\u043A\u043E\u043C \u043F\u0440\u043E\u0441\u0442\u0440\u0430\u043D\u0441\u0442\u0432\u0435) \u043E\u0431\u044A\u0435\u043A\u0442\u043E\u0432 \u043E\u0434\u0438\u043D\u0430\u043A\u043E\u0432\u043E\u0439 \u0440\u0430\u0437\u043C\u0435\u0440\u043D\u043E\u0441\u0442\u0438. \u041F\u0435\u0440\u0432\u043E\u043D\u0430\u0447\u0430\u043B\u044C\u043D\u043E \u043C\u0435\u0442\u0440\u0438\u043A\u0430 \u0431\u044B\u043B\u0430 \u0441\u0444\u043E\u0440\u043C\u0443\u043B\u0438\u0440\u043E\u0432\u0430\u043D\u0430 \u0420\u0438\u0447\u0430\u0440\u0434\u043E\u043C \u0425\u044D\u043C\u043C\u0438\u043D\u0433\u043E\u043C \u0432\u043E \u0432\u0440\u0435\u043C\u044F \u0435\u0433\u043E \u0440\u0430\u0431\u043E\u0442\u044B \u0432 Bell Labs \u0434\u043B\u044F \u043E\u043F\u0440\u0435\u0434\u0435\u043B\u0435\u043D\u0438\u044F \u043C\u0435\u0440\u044B \u0440\u0430\u0437\u043B\u0438\u0447\u0438\u044F \u043C\u0435\u0436\u0434\u0443 \u043A\u043E\u0434\u043E\u0432\u044B\u043C\u0438 \u043A\u043E\u043C\u0431\u0438\u043D\u0430\u0446\u0438\u044F\u043C\u0438 (\u0434\u0432\u043E\u0438\u0447\u043D\u044B\u043C\u0438 \u0432\u0435\u043A\u0442\u043E\u0440\u0430\u043C\u0438) \u0432 \u0432\u0435\u043A\u0442\u043E\u0440\u043D\u043E\u043C \u043F\u0440\u043E\u0441\u0442\u0440\u0430\u043D\u0441\u0442\u0432\u0435 \u043A\u043E\u0434\u043E\u0432\u044B\u0445 \u043F\u043E\u0441\u043B\u0435\u0434\u043E\u0432\u0430\u0442\u0435\u043B\u044C\u043D\u043E\u0441\u0442\u0435\u0439: \u0432 \u044D\u0442\u043E\u043C \u0441\u043B\u0443\u0447\u0430\u0435 \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435\u043C \u0425\u044D\u043C\u043C\u0438\u043D\u0433\u0430 \u043C\u0435\u0436\u0434\u0443 \u0434\u0432\u0443\u043C\u044F \u0434\u0432\u043E\u0438\u0447\u043D\u044B\u043C\u0438 \u043F\u043E\u0441\u043B\u0435\u0434\u043E\u0432\u0430\u0442\u0435\u043B\u044C\u043D\u043E\u0441\u0442\u044F\u043C\u0438 (\u0432\u0435\u043A\u0442\u043E\u0440\u0430\u043C\u0438) \u0438 \u0434\u043B\u0438\u043D\u044B \u043D\u0430\u0437\u044B\u0432\u0430\u0435\u0442\u0441\u044F \u0447\u0438\u0441\u043B\u043E \u043F\u043E\u0437\u0438\u0446\u0438\u0439, \u0432 \u043A\u043E\u0442\u043E\u0440\u044B\u0445 \u043E\u043D\u0438 \u0440\u0430\u0437\u043B\u0438\u0447\u043D\u044B. \u0412 \u0442\u0430\u043A\u043E\u0439 \u0444\u043E\u0440\u043C\u0443\u043B\u0438\u0440\u043E\u0432\u043A\u0435 \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435 \u0425\u044D\u043C\u043C\u0438\u043D\u0433\u0430 \u0432\u043E\u0448\u043B\u043E \u0432 \u0441\u043B\u043E\u0432\u0430\u0440\u044C \u0430\u043B\u0433\u043E\u0440\u0438\u0442\u043C\u043E\u0432 \u0438 \u0441\u0442\u0440\u0443\u043A\u0442\u0443\u0440 \u0434\u0430\u043D\u043D\u044B\u0445 \u043D\u0430\u0446\u0438\u043E\u043D\u0430\u043B\u044C\u043D\u043E\u0433\u043E \u0438\u043D\u0441\u0442\u0438\u0442\u0443\u0442\u0430 \u0441\u0442\u0430\u043D\u0434\u0430\u0440\u0442\u043E\u0432 \u0438 \u0442\u0435\u0445\u043D\u043E\u043B\u043E\u0433\u0438\u0439 \u0421\u0428\u0410 (\u0430\u043D\u0433\u043B. NIST Dictionary of Algorithms and Data Structures). \u0420\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435 \u0425\u044D\u043C\u043C\u0438\u043D\u0433\u0430 \u044F\u0432\u043B\u044F\u0435\u0442\u0441\u044F \u0447\u0430\u0441\u0442\u043D\u044B\u043C \u0441\u043B\u0443\u0447\u0430\u0435\u043C \u043C\u0435\u0442\u0440\u0438\u043A\u0438 \u041C\u0438\u043D\u043A\u043E\u0432\u0441\u043A\u043E\u0433\u043E (\u043F\u0440\u0438 \u0441\u043E\u043E\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0443\u044E\u0449\u0435\u043C \u043E\u043F\u0440\u0435\u0434\u0435\u043B\u0435\u043D\u0438\u0438 \u0432\u044B\u0447\u0438\u0442\u0430\u043D\u0438\u044F): . \u0414\u0432\u0430 \u0441\u043B\u043E\u0432\u0430, \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435 \u0425\u044D\u043C\u043C\u0438\u043D\u0433\u0430 \u043C\u0435\u0436\u0434\u0443 \u043A\u043E\u0442\u043E\u0440\u044B\u043C\u0438 \u0440\u0430\u0432\u043D\u043E 1, \u043D\u0430\u0437\u044B\u0432\u0430\u044E\u0442 \u0441\u043E\u0441\u0435\u0434\u043D\u0438\u043C\u0438. \u0412 \u043D\u0435\u043A\u043E\u0442\u043E\u0440\u044B\u0445 \u0441\u0438\u0441\u0442\u0435\u043C\u0430\u0445 \u0441\u0447\u0438\u0441\u043B\u0435\u043D\u0438\u044F, \u043D\u0430\u043F\u0440\u0438\u043C\u0435\u0440, \u0432 \u043A\u043E\u0434\u0435 \u0413\u0440\u0435\u044F, \u0446\u0435\u043B\u044B\u0435 \u043A\u043E\u0434\u0438\u0440\u043E\u0432\u0430\u043D\u043D\u044B\u0435 \u0447\u0438\u0441\u043B\u0430, \u0440\u0430\u0437\u043B\u0438\u0447\u0430\u044E\u0449\u0438\u0435\u0441\u044F \u043D\u0430 1, \u0438\u043C\u0435\u044E\u0442 \u0440\u0430\u0441\u0441\u0442\u043E\u044F\u043D\u0438\u0435 \u0425\u044D\u043C\u043C\u0438\u043D\u0433\u0430 \u0440\u0430\u0432\u043D\u043E\u0435 1. \u0413\u043E\u0432\u043E\u0440\u044F\u0442, \u0447\u0442\u043E \u0442\u0430\u043A\u0438\u0435 \u0447\u0438\u0441\u043B\u0430 \u044F\u0432\u043B\u044F\u044E\u0442\u0441\u044F \u00AB\u0441\u043E\u0441\u0435\u0434\u043D\u0438\u043C\u0438\u00BB. \u0421\u043E\u0441\u0435\u0434\u043D\u0435\u0435 \u043A\u043E\u0434\u0438\u0440\u043E\u0432\u0430\u043D\u0438\u0435 \u0432\u0430\u0436\u043D\u043E \u043F\u0440\u0438 \u043F\u0440\u043E\u0435\u043A\u0442\u0438\u0440\u043E\u0432\u0430\u043D\u0438\u0438 \u043B\u043E\u0433\u0438\u0447\u0435\u0441\u043A\u0438\u0445 \u0443\u0441\u0442\u0440\u043E\u0439\u0441\u0442\u0432, \u0433\u0434\u0435 \u043D\u0435\u043E\u0431\u0445\u043E\u0434\u0438\u043C\u043E \u0438\u0441\u043A\u043B\u044E\u0447\u0438\u0442\u044C \u043B\u043E\u0433\u0438\u0447\u0435\u0441\u043A\u0438\u0435 \u0433\u043E\u043D\u043A\u0438."@ru . . "Hamming distance 3 bit binary example.svg"@en . . "En teor\u00EDa de la informaci\u00F3n se denomina distancia de Hamming a la efectividad de los c\u00F3digos de bloque y depende de la diferencia entre una palabra de c\u00F3digo v\u00E1lida y otra. Cuanto mayor sea esta diferencia, menor es la posibilidad de que un c\u00F3digo v\u00E1lido se transforme en otro c\u00F3digo v\u00E1lido por una serie de errores. A esta diferencia se le llama distancia de Hamming, y se define como el n\u00FAmero de bits que tienen que cambiarse para transformar una palabra de c\u00F3digo v\u00E1lida en otra palabra de c\u00F3digo v\u00E1lida. Si dos palabras de c\u00F3digo difieren en una distancia d, se necesitan d errores para convertir una en la otra."@es . . "En teor\u00EDa de la informaci\u00F3n se denomina distancia de Hamming a la efectividad de los c\u00F3digos de bloque y depende de la diferencia entre una palabra de c\u00F3digo v\u00E1lida y otra. Cuanto mayor sea esta diferencia, menor es la posibilidad de que un c\u00F3digo v\u00E1lido se transforme en otro c\u00F3digo v\u00E1lido por una serie de errores. A esta diferencia se le llama distancia de Hamming, y se define como el n\u00FAmero de bits que tienen que cambiarse para transformar una palabra de c\u00F3digo v\u00E1lida en otra palabra de c\u00F3digo v\u00E1lida. Si dos palabras de c\u00F3digo difieren en una distancia d, se necesitan d errores para convertir una en la otra. Por ejemplo: \n* La distancia Hamming entre 1011101 y 1001001 es 2. \n* La distancia Hamming entre 2143896 y 2233796 es 3. \n* La distancia Hamming entre \"tener\" y \"reses\" es 3."@es . "3"^^ . "Distancia de Hamming"@es . . "Na teoria da informa\u00E7\u00E3o, a dist\u00E2ncia de Hamming entre duas strings de mesmo comprimento \u00E9 o n\u00FAmero de posi\u00E7\u00F5es nas quais elas diferem entre si. Vista de outra forma, ela corresponde ao menor n\u00FAmero de substitui\u00E7\u00F5es necess\u00E1rias para transformar uma string na outra, ou o n\u00FAmero de erros que transformaram uma na outra."@pt . "Nella teoria dell'informazione, la distanza di Hamming tra due stringhe di ugual lunghezza \u00E8 il numero di posizioni nelle quali i simboli corrispondenti sono diversi. In altri termini, la distanza di Hamming misura il numero di sostituzioni necessarie per convertire una stringa nell'altra, o, vista in altro modo, il numero minimo di errori che possono aver portato alla trasformazione di una stringa nell'altra."@it . . "In information theory, the Hamming distance between two strings of equal length is the number of positions at which the corresponding symbols are different. In other words, it measures the minimum number of substitutions required to change one string into the other, or the minimum number of errors that could have transformed one string into the other. In a more general context, the Hamming distance is one of several string metrics for measuring the edit distance between two sequences. It is named after the American mathematician Richard Hamming."@en .