Název:
Adaptivní komprese dat pomocí neuronových sítí
Překlad názvu:
Adaptive data compression by neural networks
Autoři:
Kučera, Michal ; Přinosil, Jiří (oponent) ; Koula, Ivan (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2008
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Tématem práce je využití neuronových sítí pro kompresy dat. Tento nástroj přináší nové možnosti jak při bezeztrátové tak ztrátové kompresi. Návrh několika kompresních algoritmů ukazuje chování, výhody i slabiny těchto systémů. Jako řešení využijeme znalosti o vícevrstvé perceptronové síti a zkusíme změnou struktury a dílčích parametrů naučit takovouto síť komprimovat data, dle našich vstupních požadavků. Tyto sítě mají i nevýhody, které jsou zatím překážkou ve vyžití v praxi. Cílem práce je vyzkoušet některé algoritmy. Prozkoumat jejich vlastnosti a možnosti využití. Dále pak navrhnout další možné řešení a vylepšení těchto algoritmů.
Point of the work is using of neural networks for the datecompression. This brings new possibilities as by lossless as lossy compression. Draft of a few compress algorithm show the behaviour, advantages and weak points of these systems. As the solution we use knowledge of the layered perceptron Network and we try by the change of the structure and subparameters to teach such network to compress the data, according to our entry requirement. These networks have also advantages, which are meanwhile impediment to the using practically. The goal of this is to try some algorithms, look into their characteristics and posibility of the using. Then propose next posibility solutions and upgrading of these algorithms.
Klíčová slova:
adaptivní; bezeztrátová; komprese; neuronová síť; perceptron; ztrátová; adaptive; compression; lossless; lossy; neural network; perceptron
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/3621