| DC Field | Value | Language |
|---|
| dc.contributor.author | Аврамов, В. В. | - |
| dc.contributor.author | Герасимович, В. Ю. | - |
| dc.date.accessioned | 2018-02-20T08:33:09Z | - |
| dc.date.available | 2018-02-20T08:33:09Z | - |
| dc.date.issued | 2017 | - |
| dc.identifier.citation | Аврамов, В. В. Применение нейросетевого квантователя в аудиоречевом кодере на основе разреженной аппроксимации и исследование его эффективности / В. В. Аврамов, В. Ю. Герасимович // Телекоммуникации: сети и технологии, алгебраическое кодирование и безопасность данных : материалы международного научно-технического семинара (Минск, апрель – декабрь 2017 г.) – Минск : БГУИР, 2017. – С. 77-82. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/30059 | - |
| dc.description.abstract | Приводится описание алгоритма кодирования аудиосигналов на основе согласованной
подгонки со словарем частотно-временных функций с применением аппарата искусственных
нейронных сетей для квантования параметров кодера. Определение словаря функций
происходит посредством пакетного дискретного вейвлет-преобразования, перцептуально
оптимизированного для анализируемого фрейма входного сигнала. Описана возможность
применения нейронных сетей прямого распространения для решения задачи квантования
параметров кодера. Приводятся структура нейросетевого квантователя и результаты
исследования его эффективности. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | аудиосигнал | ru_RU |
| dc.subject | нейронные сети | ru_RU |
| dc.subject | согласованная подгонка | ru_RU |
| dc.subject | audiosignal | ru_RU |
| dc.subject | neural networks | ru_RU |
| dc.title | Применение нейросетевого квантователя в аудиоречевом кодере на основе разреженной аппроксимации и исследование его эффективности | ru_RU |
| dc.type | Статья | ru_RU |
| local.description.annotation | Description of the audio signal encoding algorithm based on the matching pursuit with the time-frequency dictionary and the artificial neural networks for quantization is given. Determination of the dictionary occurs through the perceptually optimized for the input signal frame wavelet packet transform. Utilization of the feed forward neural networks for the quantization goal is described.
Structure of the quantizer and its performance evaluation is given. | - |
| Appears in Collections: | Телекоммуникации 2017
|
