Ущільнення даних на основі нейроподібних структур автоасоціативного типу
Електронний науковий архів Науково-технічної бібліотеки Національного університету "Львівська політехніка"
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Ущільнення даних на основі нейроподібних структур автоасоціативного типу
Компрессия данных на основе нейроподобных структур автоассоциативного типа Data compression using autoassociative neurolike structures |
|
| Creator |
Поліщук, Уляна Володимирівна
|
|
| Subject |
нейроподібні структури автоасоціативного типу
ущільнення даних формат чисел з фіксованою комою нейроподобные структуры автоассоциативного типа сжатие данных формат чисел с фиксированной запятой autoassociative neurolike structures data compression , fixed-point number format |
|
| Description |
Thesis is dedicated to development of high-performance neural compression methods both without and with stepless loss regulation. In thesis the architecture (including train and use methods) of data compression system on the basis of neurolike geometrical transformation machine (GTM) structures in the autoassociative training mode with representation the neuron’s output signals in a fixed-point number format is developed. Methods of additional increasing the effectiveness of neural data compression by the example of images are implemented. The two-step compression method by successive use the GTM network and lossless algorithms is development and approved for the first time. The perfected image compression method by division them into frames for GTM network, which provides additional increase the compression ratio, is developed and approved for the first time. The universality of developed neural data compression methods and means is verified by applying them for audio files. The effectiveness of image and sound compression software models, created on the basis of developed algorithms is confirmed. Диссертация посвящена вопросу разработки высокоэффективных нейросетевых методов компрессии данных как без потерь, так и с возможностью плавного регулирования порога потерь информации. В работе разработана структура (включая методы обучения и применения) системы компрессии данных на основе нейросетей геометрических преобразований в автоассоциативном режиме их обучения. Разработанный метод и алгоритм обучения и применения нейронных сетей геометрических преобразований позволяет сохранять сжатые данные в формате чисел с фиксированной запятой, что существенно повышает эффективность нейросетевого метода. Метод сжатия на основе применения чисел промежуточного преобразования в формате с фиксированной запятой обеспечивает осуществление компрессии без потерь и с возможностью плавного регулирования уровня качества восстановления информации. Разработанный метод обеспечивает также эффективную реализацию на основе применения современных аппаратных средств. Реализованы методы дополнительного повышения эффективности нейросетевой компрессии данных на примере изображений. Развито и апробировано методику улучшения качества воспроизведенных изображений и показателей сжатия путём дополнительного разделения изображений на фреймы. Разработанная методика позволяет существенно повысить коэффициент сжатия, поскольку архив параметров нейросетей ГП занимает относительно небольшой информационный объем по сравнению с архивом главных компонент, который представляет сжатые данные. Реализован метод обучения нейронной сети на изображениях-эталонах, который повышает коэффициент сжатия и в большей мере сокращает временные задержки. Впервые разработан и апробирован двухступенчатый метод компрессии изображений путём последовательного применения автоассоциативной сети ГП и методов компрессии без потерь. Проверено универсальность созданных нейросетевых методов и средств компрессии данных, применяя их к звуковым файлам. Рассмотрены примеры компрессии разнотипных звуковых файлов с помощью программной модели компрессии звуковой информации, разработанной на базе нейросетевых структур модели геометрических преобразований. Проанализировано эффективность программных моделей компрессии на примере полутоновых и цветных изображений, построенных на основе разработанных методов и алгоритмов. Также проведен сравнительный анализ эффективности данных моделей и других нейросетевых программ сжатия данных, который показал, что использование сетей модели геометрических преобразований для сжатия изображений дает улучшенные результаты (соотношение качество/время обучения) по сравнению с существующими методами. Дисертація присвячена питанню розроблення високоефективних нейромережевих методів ущільнення даних як без втрат, так і з можливістю плавного регулювання порогу втрат інформації. У роботі розроблено структуру (включаючи методи навчання і застосування) системи ущільнення даних на основі нейромереж геометричних перетворень в автоасоціативному режимі їх навчання з представленням вихідних сигналів нейронних елементів прихованого шару у форматі чисел з фіксованою комою. Реалізовано методи додаткового підвищення ефективності нейромережевого ущільнення даних на прикладі зображень. Вперше розроблено і апробовано двоступеневий метод компресії зображень шляхом послідовного застосування автоасоціативної мережі ГП та методів ущільнення без втрат. Розроблено і апробовано вдосконалений метод ущільнення зображень на основі їх поділу на фрейми для ШНМ ГП, що забезпечує подальше покращення показників компресії. Підтверджено універсальність створених нейромережевих методів і засобів ущільнення даних, застосовуючи їх до звукових файлів. Проаналізовано ефективність програмних моделей ущільнення зображень і звуку, побудованих на основі розроблених методів і алгоритмів. |
|
| Date |
2011-02-22T10:29:54Z
2011-02-22T10:29:54Z 2011 |
|
| Type |
Autoreferat
|
|
| Identifier |
Поліщук, У. В. Ущільнення даних на основі нейроподібних структур автоасоціативного типу : автореферат дисертації кандидата технічних наук: 05.13.23 / У. В. Поліщук ; Національний університет "Львівська політехніка". - Львів, 2011. - 20 с.
http://ena.lp.edu.ua:8080/handle/ntb/7500 |
|
| Language |
ua
|
|
| Publisher |
Національний університет "Львівська політехніка"
|
|