.png){kind=icon}
返回
High-Efficiency Lossy Source Coding Based on Multi-Layer Perceptron Neural Network
.png){kind=icon}
PRE
AI
DOI：10.3390/e27101065.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着传感器网络中数据量的快速增长，有损信源编码系统能够在有限的传输带宽下实现低失真的高效数据压缩。然而，传统的压缩算法依赖于具有高计算复杂度的两阶段框架，并且常常难以平衡压缩性能与泛化能力。为解决这些问题，本文提出了一种端到端的有损压缩方法。该方法将增强的信念传播算法与多层感知器神经网络相结合，旨在引入一种新颖的联合优化架构，其描述为编码-结构化编码-解码。此外，设计了一个包含随机扰动和直通估计器的量化模块，以解决量化过程中的非可微性问题。仿真结果表明，所提出的系统在显著提升压缩性能的同时，提供了更优的泛化能力和重建质量。此外，设计的神经网络架构既简单又高效，降低了系统复杂度，并增强了实际部署的可行性。
Keyword:
data compression
lossy source coding
P-LDPC codes
enhanced belief propagation
distortion-rate performance
期刊
IF:
2
论文数:
956
被引数:
2.4W
机构
引用论文
Perceiver IO Model for Efficient Vibration Signal Compression and Anomaly DetectionPerceiver IO模型用于高效振动信号压缩和异常检测
.png){kind=icon}
PREAI
分享收藏
Low-complexity adaptive reconciliation protocol for continuous-variable quantum key distribution连续变量量子密钥分发的低复杂度自适应协调协议
PREAI
分享收藏分享收藏分享收藏
查看更多内容