Browsing by Author "Цимбал, Ю. В."

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Метод каскадного застосування компресуючої нейронної мережі та методів контекстного моделювання
    (Видавництво Львівської політехніки, 2010) Поліщук, У. В.; Цимбал, Ю. В.; Юрчак, І. Ю.
    Розглянуто варіант послідовного застосування компресуючої нейронної мережі та методів контекстного моделювання для ефективного ущільнення даних, зокрема зображень та аудіосигналів. Запропонований метод оснований на поданні проміжного архіву зберігання даних у форматі чисел з фіксованою комою та забезпечує покращення характеристики щодо коефіцієнта компресування та якості відтворення первинних даних. A variant of consistent application of the compressive neural network and context modeling techniques for efficient data compression, including images and audio signals is being viewed. The method is based on the representation of intermediate storage archive in a fixed-point format and provides improved performance of compression coefficient and quality of primary data reproduction.
  • Thumbnail Image
    Item
    Метод тривимірної візуалізації на основі нейронних мереж Кохонена
    (Видавництво Національного університету «Львівська політехніка», 2004) Хаймуді, Е.-К.; Цимбал, Ю. В.
    Розглядається проблема розв’язання задачі розпізнавання образів на основі карт із самоорганізацією Кохонена з візуалізованим представленням результатів. Пропонується застосувати додатковий параметр, що обчислюється за допомогою процедури ортогоналізації Грама-Шмідта як третю координату КІС. Подано результати проведених експериментів на тестових задачах для двовимірних та тривимірних КІС. The problems of pattern recognition on a basis of Kohonen self-organizing maps with visual representation of results have been considered in the paper. An additional parameter, which calculated with Gram-Schmidt orthogonalization has been offered for using as a third coordinate. The results of the carried out experiments on the test tasks for 2D and 3D self-organizing maps have been shown in the paper.