外文翻譯中文---神經(jīng)網(wǎng)絡(luò)用于圖像壓縮(參考版)
2025-05-17 05:11本頁面
【正文】 使用（ 42）式較 LBG 碼本可使 MSE 增加，而使用（ 43）式的結(jié)果碼書與 LBG 碼書相比， MSE 幾乎相同 。采用了兩種“公平函數(shù)”，一個等于獲勝數(shù) iuuf ?)( (42) 另一個隨著訓(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 1)( ?? euuf 所選擇的值。 就歐式距離而言，修正距離測度可被定義為： 2)(),( iiiF S C L wxufwxD ?? (41) 其中 iu 是碼字 i 獲勝的次數(shù)， )(?f 是獲勝數(shù)的增加函數(shù)稱為“ 公平函數(shù) ” 。在頻率敏感競爭學(xué)習(xí)（ FSCL）中 [72][73][74]，通過在訓(xùn)練期間增加碼字的獲勝數(shù)函數(shù)來權(quán)化訓(xùn)練中碼字的距離。 Lee 和 Petersom[64]提出一種方法，這種方法可以通過允許產(chǎn)生新的權(quán)、合并和刪除現(xiàn)有權(quán) 以及在拓?fù)溆成渲泻喜⑤S線 ，以動態(tài)地改變 權(quán)之間的結(jié)構(gòu)和相鄰關(guān) 系。這種搜索的復(fù)雜度是對數(shù)級，因而比全搜索更有效。 對于輸入矢量，搜索開始于 網(wǎng)絡(luò)頂層并發(fā)現(xiàn)獲勝碼字。 結(jié)果碼書 可視為網(wǎng)絡(luò)的層次 [71][70]，它的每一層是上一層的一半，見圖 14。 這在訓(xùn)練過程中大大減小了計算要求， 并仍然產(chǎn)生拓?fù)渑判虻?碼書。 應(yīng)用這種方法進(jìn)行多次迭代后，網(wǎng)絡(luò)的大小以量級方式成倍增長。 隨著訓(xùn)練的進(jìn)行， 碼字?jǐn)?shù)量減少。 另一種減小搜索時間的方法是利用拓?fù)渑判虼a書中碼字的組織機(jī)構(gòu)。此外 ， 當(dāng)假定平移不變時，每階段僅需計算一個碼書。此方法如圖 13 所示。 G． 分層矢量量化 傳統(tǒng) VQ 編碼的一個缺點(diǎn)是在編碼階段所需要的負(fù)荷， 因?yàn)閷τ诿恳粋€輸入矢量都需要對它的整個碼書進(jìn)行 窮舉搜索。特別地， 學(xué)習(xí)率參數(shù) 可初始化為 ， 4 隨 每次迭代單調(diào)減小。學(xué)習(xí)矢量量化是一種監(jiān)督學(xué)習(xí)算法，如果有一組標(biāo)記的訓(xùn)練數(shù)據(jù)，它可用
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1