Інтелектуальна система стиснення даних на основі нейронних мереж

Abstract

Дана кваліфікаційна робота присвячена розробці та налагодженню інтелектуальної системи стиснення даних, що ґрунтується на використанні нейронних мереж. Дослідження спрямоване на вдосконалення процесу стиснення та зменшення обсягу інформації без втрати суттєвої якості. Було використано підходи нейронних мереж для автоматизованого визначення оптимальних параметрів стиснення. Об’єктом кваліфікаційної роботи є процес стиснення даних за допомогою нейронних мереж. Предметом кваліфікаційної роботи є методи ефективного стиснення даних за допомогою нейронних мереж. Метою кваліфікаційної роботи є дослідження методів ефективного стиснення даних з використанням нейронних мереж. Робота складається з фахового розділу і спеціальної частини з охорони праці. Пояснювальна записка складається зі вступу, трьох розділів, висновків та додатків. У роботі розглядаються теоретичні аспекти функціонування нейронних мереж, та алгоритмів у контексті стиснення даних, а також проводиться практичне застосування розробленої системи на реальних наборах даних. Кваліфікаційна робота містить 105 сторінок, 73 рисунків, 2 таблиці та 1 додаток. В роботі використано 64 джерела. This qualification work is devoted to the development and adjustment of an intelligent data compression system based on the use of neural networks. The research is aimed at improving the compression process and reducing the amount of information without losing significant quality. Neural network approaches were used for automated determination of optimal embossing parameters. An object of the qualification work is the process of data compression using neural networks. A subject of the qualification work is methods of effective data compression using neural networks. A purpose of qualification work is the study of methods of effective data compression using neural networks. The work consists of a professional section and a special part on labor protection. The explanatory note consists of an introduction, three sections, conclusions and appendices. The work considers the theoretical aspects of the functioning of neural networks and algorithms in the context of data compression, and also provides for the practical application of the developed system on real data sets. The qualification paper contains 105 pages, 73 figures, 2 tables and 1 appendix. The work uses 64 sources