Исследование качества компрессии данных с помощью искусственных нейронных сетей

Authors

  • Юрий Иванович Дорофеев
  • А А Глухова

DOI:

https://doi.org/10.20998/%25x

Abstract

Рассматривается решение задачи компрессии и восстановления дискретной информации с помощью искусственных нейронных сетей. Анализируется влияние размера и параметров нейронной сети на величину ошибки декодирования данных.

References

Ватолин Д.К., Ратушняк А.А. Методы сжатия данных. Устройство архиваторов, сжатие изображений.– М.: ДИАЛОГ-МИФИ, 2002.– 384 с.

Хаффмен Д.А. Метод построения кодов с минимальной избыточностью: Пер. с англ. // Кибернетический сборник.– М.: ИЛ, 1961.– Вып. 3.– С. 79–87.

Ziv J., Lempel A. Compression of Individual Sequences via VariableRate Coding // IEEE Trans. Inform. Theory.– 1978.– Vol. 24, N5.– P. 530–536.

Хайкин С. Нейронные сети: полный курс.: Пер. с англ.– М.: Издательский дом ″Вильямс″, 2006.– 1104 с.

Downloads

How to Cite

Дорофеев, Ю. И., & Глухова, А. А. (2017). Исследование качества компрессии данных с помощью искусственных нейронных сетей. Bulletin of National Technical University "KhPI". Series: System Analysis, Control and Information Technologies, (26), 8–12. https://doi.org/10.20998/%x

Issue

No. 26 (2008)

Section

SYSTEM ANALYSIS AND DECISION-MAKING THEORY

License

Copyright (c) 2018 Bulletin of NTU “Kharkiv Polytechnic Institute”. Series: System Analysis, Control and Information Technologies

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).