【正文】 種方法中，獲勝數(shù)較多的碼字即過度使用的碼字，在 訓(xùn)練 時(shí)將不太可能被修正。 在圖象實(shí)驗(yàn)中， Truong[70]發(fā)現(xiàn)這種方法顯著地減小了全搜索的訓(xùn)練和編碼時(shí)間，并且失真的增加很小，最多較少 SNR達(dá) 。 在比特率為每樣本為 2 比特或每個(gè)輸入矢量為 8 比特時(shí)， 對(duì)于整個(gè)搜索空間為 32 個(gè)碼字的編碼器， 每一階段僅需要 1624? 個(gè)碼字 ，而 有相同比特率的 傳統(tǒng) 編碼器 則 需要 25628 ? 個(gè)碼字。 E． 有限狀態(tài)矢量 量化 （ FSVQ） SOFM 算法也被成功地應(yīng)用于 有限狀態(tài)矢量量化 （ FSVQ） 的方案中 [67]。 同時(shí)，學(xué)習(xí)參數(shù)也將減小到小數(shù)值（如 ） ， 以 達(dá)到算法的較好收斂狀態(tài)。 例如，如果在二維表格上 對(duì)類進(jìn)行排序， 某類的 相鄰類可以定義為 與此類的歐氏距離小于 特定閾值的類的集合。 圖象中相鄰碼字和相鄰塊之間的聯(lián)系可被用于 DPCM 編碼， 其中 輸入信號(hào)就是碼書地址。 G． 分層矢量量化 傳統(tǒng) VQ 編碼的一個(gè)缺點(diǎn)是在編碼階段所需要的負(fù)荷， 因?yàn)閷?duì)于每一個(gè)輸入矢量都需要對(duì)它的整個(gè)碼書進(jìn)行 窮舉搜索。 對(duì)于輸入矢量，搜索開始于 網(wǎng)絡(luò)頂層并發(fā)現(xiàn)獲勝碼字。采用了兩種“公平函數(shù)”，一個(gè)等于獲勝數(shù) iuuf ?)( (42) 另一個(gè)隨著訓(xùn)練的進(jìn)行減小到 1 Tteuuf /)( ?? ( 43) 其中 t 是迭代次數(shù) ， T 是訓(xùn)練進(jìn)行一半時(shí) 1)( ?? euuf 所選擇的值。 應(yīng)用這種方法進(jìn)行多次迭代后，網(wǎng)絡(luò)的大小以量級(jí)方式成倍增長(zhǎng)。 他們發(fā)現(xiàn)， 對(duì)于給定的比特率，同時(shí)應(yīng)用 FSVQ 和 SOFM 可使 信噪比（ SNR）較無(wú)記憶 VQ 增加 ；此外，對(duì)于相同的失真，比特率減少一半以上。 為了在每訓(xùn)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(xué)習(xí)規(guī)則為： )]()[()())(,(21)()1(twxttwtwxD