Обработка изображений на основе комбинированного векторного квантования с использованием полуконтролируемого обучения

Abstract

Предложен метод полуконтролируемого обучения нейронных сетей векторного квантования, предназначенных для обработки больших массивов данных и, прежде всего, изображений. Особенностью развиваемого подхода является то, что данные на обработку последовательно подаются на входы нейросистемы в виде матриц. Введенные алгоритмы обучения характеризируются вычислительной простотой и высоким быстродействием.

A method of semi-supervised learning of vector quantization neural networks for large data sets (first of all images) processing has been proposed. The approach peculiarity lies in the fact that the datain are submitted to the neural network input sequentially in the matrix form rather than in the traditional vector form. The introduced learning algorithms are characterized by computing simplicity and speed, which allows processing information stored in large-scale databases or coming in real time.