مقایسه عملکرد شبکه های عصبی مصنوعی مختلف در فشرده سازی تصویر دیجیتال
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 626
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCECN01_103
تاریخ نمایه سازی: 7 بهمن 1393
Abstract:
تصاویر دیجیتال نیاز به مقدار بزرگی حافظه برای ذخیره سازی دارند. بنابراین انتقال یک تصویر از یک کامپیوتر به یک کامپیوتر دیگر می تواند بسیار زمان بر باشد با استفاده از تکنیک های فشرده سازی این امکان وجود دارد که بخشی از اطلاعات در تصویر را کاهش دهیم تا به حافظه و زمان انتقال کمتری نیاز داشته باشد . شبکه های عصبی مصنوعی می تواند به منظور فشرده سازی تصویر استفاده شود . از یک جنبه شبکه های عصبی مصنوعی در کمی سازی برداری تصویر می تواند کاربرد داشته باشد و از طرف دیگر شبکه های عصبی مصنوعی برای فشرده سازی تصویر می تواند بسیار موثر باشد . وقابل مقایسه با روش های سنتی فشرده سازی می باشد در این مقاله روی معماریهای مختلف شبکه های عصبی مصنوعی برای فشرده سازی تصویر بحث می شود معماریهای ارائه شده در این مقاله عبارتند از :کوهنن خودسازمان ده (KSOM) وطرح خود سازمان ده سلسله مراتبی(HSOM) و شبکه های پس انتشار (BPN) و شبکه های پس انتشار سلسله مراتبی (HBPN) و شبکه های پس انتشار تطبیقی (ABPN) . معماری این شبکه ها و عملکرد آنها بیان شده و با یکدیگر مقایسه شده است .
Keywords:
شبکه عصبی کوهنن خودسازمان ده , شبکه خودسازمان ده سلسله مراتبی , شبکه های پس انتشار , شبکه پس انتشار سلسله مراتبی , شبکه پس انتشار تطبیقی , فشرده سازی تصویر , کمی سازی برداری
Authors
حسین ابراهیم پورکومله
استادیارگروه کامپیوتر دانشگاه کاشان
سودابه پورذاکرعربانی
دانشجوی دکترای کامپیوتر دانشگاه کاشان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :