CC BY
48
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-
