随机神经网络在图像压缩中的应用.pdfVIP

全嗣第七届多媒体技柬t挚求会议论文j‘ 15 随机神经网络在图像压缩中的应用 王琪钟玉琢 清华大学计算机系信息教研组100084 摘要多媒体数据是十分巨走的，因而船须对它进行压缩．神经网络编码是一种新兴的编码技术，t-Y． 在分析了随机神经网络的基本原理的基础上，推导了它的学习公式，然后用随机神经网络赛现了一个图像编 码器，并和普通bp网磐作7比较． 美键字多媒体．图像压缩．随机神经网络、乘积形式． 1、引言。 技术是对文本、图形、图象和声音等多种媒体信息进行综合处理的技术，具有集成性和 交互性。 数字化的多媒体数据量是十分巨大的，这给它的传输和存储都带来了很大的困难。 人们为了有效使用多媒体，研究了许多压缩算法，例如JPEG、MPEG和AC一3等。特别 是近来多媒体和网络日益结合，给压缩算法提出了更低比特率和更加实时性的要求。 2、GeI enbe的随机神经网络模型。 21 RNN的模型描述。 1989年Gelenbe提出了一种有n个神经元的开放随机网络。在这个网络中含有正、 负两种信号：外部到达的加入第i个神经元的正信号流服从参数为A(i)的Poisson过程， 它的到达使第1个神经元的势加1；外部到达的加入第i个神经元的负信号流服从参数 为≈(i)的Poisson过程，如果该神经元的势为正，它的到达使第i个神经元的势加)， 而如果其势为0则没有任何效果。如果一个神经元的势是正的，我们称它为兴奋，这时 它在服从均值为1／r(i)的指数分布的时间间隔发出一个信号，同时使自己的势减i：这 个发出的信号以矿(i，j)的概率作为正信号从第i个神经元到第j个神经元，以p一(i，j) 的概率作为负信号从第i个神经元到第j个神经元，以d(i)的概率离开此网络。为了简 和结收正或负的信号来完成信息交换，这正是生物神经系统的一个数学刻画。 16 全国第七届多媒体技术学术会议识奠《集 RNN与一般神经网络相比有以下特征： a、信号以脉冲的形式传递更接近生物神经网络的实际。 b、易于仿真，每个神经元可用一累加器表示，硬件实现方便。 c、网络参数计算简单，也易于学习。 d、用非负整数表示神经元的兴奋水平，而不是用二值状态，可以得到对系统 状态更细致的描述。 2．2RNN的理论基础。 RNN的理论基础概率论、随机过程和排队论，特别是关于排队网络的理论。以下我 们不加证明地给出几个定理，它们奠定了RNN理论的基石，有兴趣的读者可阅读参考文 献。 ，一咒Q)／ 定理1令 ‰一 ／p(j)+2-(功 其中 刀(j)=∑qr(j)p+U，，)+A(f) J 才(f)=∑吼r(j)p一(．，，0+2(0 J 我们称以上三式为流方程。又令k(t)表示t时刻各神经元势的向 量．k=(k。．k) P(k)=limk。。P(k(t)=k) 如果存在满足上式的解，其中r(i)，圹(i)非负且qi1 那么 P(七)=兀(1一g，)驴 这个定理说明RNN在满足一定条件时，在稳态下它有乘积形式的解，即平稳时整体 分布是各神经元状态的边缘分布的乘积。在稳态下，每个神经元服从一个几何分布，它 只要～个参数q来描述。 定理2如果有满足流方程的解存在，并且”(i)，九’(i)非负、qi(1，那么这 个解是唯一的。 定理3如果在网络的拓扑结构中没有自环，那么