За технічних причин Електронний архів Харківського національного університету радіоелектроніки «ElAr КhNURE» працює тільки на перегляд. Про відновлення роботи у повному обсязі буде своєчасно повідомлено.
 

Публікація:
Нейромережеві методи та засоби стискання зображень

Спрощена сторінка документа
dc.contributor.authorБобнєв Р. В.
dc.date.accessioned2016-10-05T08:43:41Z
dc.date.available2016-10-05T08:43:41Z
dc.date.issued2014
dc.description.abstractУ роботі проведено аналіз проблеми стискання статичних зображень за допомогою штучних нейронних мереж (ШНМ). Запропоновано метод модифікації архітектури ШНМ Кохонена для усунення вимог до нормалізації вхідних даних, що дозволяє відкинути шар Гросберга у вирішенні задачі стискання зображень ШНМ зустрічного розповсюдження. Запропоновано модифікацію ГА на основі біологічного процесу апоптозу, що дозволяє уникнути проблеми попадання алгоритму у локальний екстремум у процесі багатокритеріальної оптимізації. Проведено аналіз можливих методів початкової ініціалізації базисних функцій (БФ) ШНМ радіально-базисних функцій (РБФ) за допомогою ШНМ Кохонена та Нейро-Газ а також алгоритмів «k-середніх» та «k-найближчих сусідів» для підвищення якості та швидкості навчання ШНМ РБФ. Достовірність результатів підтверджується експериментальними дослідженнями та впровадженнями. У середовищі Microsoft Visual Studio 2010 Express Edition проведено імітаційне моделювання різних задач апроксимації, класифікації, кластеризації та стискання зображень за допомогою статичних ШНМ. The thesis covers the analysis of the problem of image compression using artificial neural networks (ANN). The most frequently used static ANN architectures and learning algorithms are investigated for their application in solving the approximation, classification, clusterization, vector quantization and image compression problems. Several methods of Kohonen's and RBF ANN architecture modification are proposed with the purpose of improving usage flexibility and the efficiency of multidimensional data processing. Specifically, a Kohonen's ANN modification which eliminates requirement of input data normalization is developed. In addition, a method of initial initialization of centers and widths of basis functions for ANN RBF is proposed. Also hybrid genetic algorithm based on biological apoptosis which solves problem with hang in local extremums is discussed. Simulation in the Microsoft Visual Studio 2010 Express Edition environment shows the high efficiency of using ANNs for solving various problems of approximation, classification, clusterization, vector quantization and image compression.uk_UA
dc.identifier.citationБобнев Р. В. Нейромережеві методи та засоби стискання зображень :автореф. дис. ... канд. техн. наук : 05.13.23 "Системы и средства искусственного интеллекта" / Р. В. Бобнев ; М-во образования нац. ун-т радиоэлектроники. – Харьков, 2014. – 171 с.uk_UA
dc.identifier.urihttp://openarchive.nure.ua/handle/document/3143
dc.language.isoukuk_UA
dc.subjectштучна нейронна мережаuk_UA
dc.subjectапроксимаціяuk_UA
dc.subjectкласифікаціяuk_UA
dc.subjectкластерізаціяuk_UA
dc.subjectстискання зображенняuk_UA
dc.subjectвекторне квантуванняuk_UA
dc.subjectartificial neural networkuk_UA
dc.subjectapproximationuk_UA
dc.subjectclassificationuk_UA
dc.subjectclusterizationuk_UA
dc.subjectimage compressionuk_UA
dc.subjecttraining algorithmuk_UA
dc.titleНейромережеві методи та засоби стискання зображеньuk_UA
dc.typeOtheruk_UA
dspace.entity.typePublication

Файли

Оригінальний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
BobnevR.doc
Розмір:
548.5 KB
Формат:
Microsoft Word
Завантажити
Ліцензійний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
license.txt
Розмір:
9.42 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Колекції

Автореферати