Использование дельта-преобразований при обучении нейронных сетей Текст научной статьи по специальности «Компьютерные и информационные науки»

Секция математического обеспечения и применения ЭВМ

применении существующих алгоритмов видеокомпрессии вызывает одновременное кодирование и декодирование множества видеопотоков.

Указанного недостатка лишены разработанные в ТРТУ алгоритмы видеокомпрессии на основе оптимизированных по скорости и быстродействию алгоритмов дельта-преобразований второго порядка [1], [2].

Разработанные алгоритмы были апробированы и в настоящий момент используются в разрабатываемой в ТРТУ системе многоточечной аудиовидеоконференцсвязи. Сравнительные оценки производительности видеокодирования с использованием разработанных алгоритмов в среднем в 2,2 раза, а декодирования - в среднем в 2,5 раза превосходят программный кодек МРЕО-1 при примерно одинаковых показателях эффективности кодирования.

Полученные результаты позволяют говорить о перспективности разработанных методик кодирования и передачи данных по сети, возможности их использования при разработке систем видеоконференцсвязи, видеонаблюдения, систем с передачей и хранением аудиовизуальной информации общего и специального назначения (в том числе с защитой от несанкционированного доступа), разработй аппаратных средств аудиовидеокомпрессии на основе отечественной и зарубежной .

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Кравченко П.П. Основы теории оптимизироваииых дельта-преобразований второго порядка. Цифровое управление, сжатие и параллельная обработка информации. - Таганрог: Изд-во ТРТУ, 1997.

2. Кравченко ПЛ., Хусаинов Н.Ш., Погорелое КВ. Разработка производительных алгоритмов внутрикадровой и межкадровой компрессии видеоинформации /Материалы 5-й Международной конференции и выставки "Цифровая обработка сигналов и ее применения "ШРЛ-2003". - Москва: ИПРЖР, 2003.

УДК 681.327.22:007.52

ПЛ. Кравченко, А.Ю. Таранов

ИСПОЛЬЗОВАНИЕ ДЕЛЬТА-ПРЕОБРАЗОВАНИЙ ПРИ ОБУЧЕНИИ

НЕЙРОННЫХ СЕТЕЙ

В настоящее время активно развивается новая прикладная область математики, специализирующаяся на искусственных нейросетях. Актуальность таких исследований подтверждается массой различных применений нейросетей: распознава-, , .

В настоящее время известно достаточно большое количество методов обуче-: , ( )

.

обучения нейронных сетей. Кроме того, существует проблема попадания в локальные минимумы в процессе поиска весовых коэффициентов нейронной сети.

При использовании одного из самых простых методов обучения нейросети (так называемого дельта-правила) используются, по своей сути, дельтапреобразования первого порядка, которые, как известно, не дают достаточной (то есть высокой) скорости обработки данных [1,2]. В связи с этим представляет интерес рассмотрение вопроса использования теории более высокопроизводительных оптимизированных дельта-преобразований второго порядка [1].

Известия ТРТУ

Специальный выпуск

В данной теории рассматриваются методы оптимизации переходных и установившихся процессов на базе дельта-преобразований второго порядка, характеризующихся широкими возможностями управления характеристиками переходных процессов. Поскольку процесс обучения нейронной сети в общем и процесс корректировки весовых коэффициентов в частности являются переходными процес, : - -ка должно позволить сократить время переходных процессов и, как следствие, время обучения нейронной сети.

Применение теории оптимизированных дельта-преобразований второго порядка также перспективно и для решения проблемы попадания в локальные мини, .

БИБЛИОГРДФИЧЕСКИЙ СПИСОК 1. . . - -

рядка. Цифровое управление, сжатие и параллельная обработка информации: Монография. - Таганрог: Изд-во ТРТУ, 1997. - 200 с.

2. . . . - : -ТРТУ, 1997. - 192 с. "

УДК 681.3.01

..

КОМПРЕССИЯ ЗВУКОВЫХ ДАННЫХ НА ОСНОВЕ

-

ПОРЯДКА

Существующие методы компрессии звуковых данных можно разделить на че-: ,

, -пользованием wavelet-пpeoбpaзoвaний. Для достижения оптимального соотношения между трудоемкостью и степенью сжатия авторами предлагается использование для компрессии аудиоданных алгоритмов оптимизированных по точности и - .

В основе алгоритма лежит построение для дискретизированного звукового сигнала аппроксимирующей функции, вторые разности которой представляются в виде одинаковых по модулю и отличающихся по знаку квантов [1]. Это дает возможности осуществлять передачу и хранение информации на уровне одноразряд-, . -

данных выполняется с разбиением входного потока на независимые фрагменты. Для каждого фрагмента оптимальным образом вычисляются параметры преобра-, .

, -

модуляции и последовательности знаков квантов модуляции, выполняется демодуляция значений звукового фрагмента, которая и подается на выход декодера.

Разработанный алгоритм компрессии звуковых данных на основе оптимизи-- -

.

порядка двух операций целочисленного сложения. Особенностью разработанного подхода является также возможность использования кодера как в режиме с посто-