外文翻譯中文---神經(jīng)網(wǎng)絡用于圖像壓縮-免費閱讀
【正文】 Ahalt等和 Krishnamurthy 等 [72],[74]已經(jīng)將 FSCL算法用于設計圖像矢量量化的量化器。獲勝碼字的鄰域是下一個網(wǎng)絡搜索層，這個搜索過程將一致持續(xù)直到獲勝碼字到達網(wǎng)絡底層即找到全部碼書為止。 一些學者提出一種新的訓練算法，這種算法可使網(wǎng)絡大小增加時鄰域保持不變 [69][70]。 另一種做法是以等級方式串級許多編碼器，此方法對編碼速度及精度進行權衡 [65][68]。 在圖象中，當前狀態(tài)碼書僅在前一輸入塊與當前輸入塊相鄰的碼字周圍。 這種技術可提高編碼增益，允許有損地址編碼。通過將矢量 iw 定為類均值，LBG 算法 使均方誤差（ MSE） 的失真在類內最?。? iiiM S E CxwxEwxD ???? ,][),( 2 (37) 均值 通過批處理的方法計算，即在 n 個樣本訓練后得出。 在訓練中，最初的相鄰類 2 可能會相當大，如 為 類總數(shù)的一半或更多。 1 學生畢業(yè)設計（論文）外文譯文 學生姓名： 學號： 專業(yè)名稱： 信息與計算科學 譯文標題（中英文）：中文： 神經(jīng)網(wǎng)絡用于圖像壓縮 英文： Neural Network Approaches to Image Compression 譯文出處： IEEE,1995,83(2):288～ 303 指導教師審閱 簽名 ： 外文譯文正文： 神經(jīng)網(wǎng)絡用于圖像壓縮 Ⅴ ． 使用神經(jīng)網(wǎng)絡進行矢量量化 A． 自組織特征映射 （ SOFM） 算法 Kohonen 提出的自組織特征映射 神經(jīng)網(wǎng)絡（ SOFM） [57] 已經(jīng)成為 矢量量化中 ，應用網(wǎng)絡模型 解決碼書設計問題的大量研究的基礎。 隨著訓練 的進行， 相鄰類 將 不斷減小直到最終只包含一類。 為了在每訓練一次樣本后就能修正矢量 iw ， 可采用基于最小化均方誤差 （ 37）的梯度下降法，學習規(guī)則為： )]()[()())(,(21)()1(twxttw
畢業(yè)設計相關推薦
鄂ICP備17016276號-1