Бобнєв Р. В. Нейромережеві методи та засоби стискання зображень

Дисертаційна робота присвячена проблемі стискання статичних зображень за допомогою статичних штучних нейронних мереж (ШНМ). Розглянуто типи статичних ШНМ, що отримали найбільше поширення для розв'язання задач кластеризації, класифікації, векторного квантування, апроксимації і стискання зображень. Запропоновано низку методів і модифікацій архітектури, які усувають певні проблеми, що виникають під час роботи з ШНМ. Для вирішення проблеми нормалізації вхідних даних і використання ваг мережі запропонований додатковий "нормалізуючий" вхід мережі. Запропоновано гібридний генетичний алгоритм (ГА), що є модифікацією класичного ГА і використовує логіку, засновану на біологічному процесі апоптозу. Основна відмінність полягає у підрахунку кількості ідентичних особин у популяції та усуненні їх на етапі кросинговеру або на етапі природного відбору. Запропоновано використовувати кластеризацію і класифікацію вхідних даних для подальшої ініціалізації центрів і ваг базових функцій для ШНМ радіально-базисних функцій. Для визначення центрів запропоновано застосування мереж Кохонена і Нейро-Газ. Для визначення відхилень запропоновано використання алгоритмів "k-середніх" і "k-найближчших сусідів". Імітаційне моделювання в середовищі Microsoft Visual Studio 2010 Express Edition показало високу ефективність застосування ШНМ для розв'язання задач апроксимації, класифікації, кластеризації, векторного квантування і стискання зображень.