Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Artificial Intelligence Standardization Is a Key Challenge for the Technologies of the Future Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Neural Network Data Processing Technology Based on Deep Belief Networks

verfasst von : Viktor V. Krasnoproshin, Vadim V. Matskevich

Erschienen in: Open Semantic Technologies for Intelligent System

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The paper provides approach for building neural network data processing technology based on deep belief networks. A neural network architecture, focused on parallel data processing and an original training algorithm implementing the annealing method, is proposed. The approach effectiveness is demonstrated by solving the image compression problem as an example.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Interactive Adaptation of Digital Fields in the System GeoBazaDannych
Nächstes Kapitel Hybrid Intelligent Multi-agent System for Power Restoration
Literatur
1.
2.
3.
4.
5.
6.
7.
8.
Glorot, X., Bengio, Y.: Understanding the difficulty of training deep feedforward neural networks. In: Proceedings of the Thirteenth International Conference on Artificial Intelligence and Statistics, PMLR, vol. 9, pp. 249–256 (2010)
9.
Golovko, V., Kroshenko, A.: Using deep belief neural networks to highlight semantically significant attributes. In: Proceedings of the 5-th International Conference - OSTIS 2015, pp. 481–486 (2015)
10.
11.
Krasnoproshin, V., Matskevich, V.: Effective data processing on heterogeneous computing devices. Bull. Brest State Tech. Univ. Ser. Phys. Math Comput. Sci. 113(5), 15–18 (2018)
12.
Krasnoproshin, V., Matskevich, V.: Algorithm for fast image compression on heterogeneous computing devices. In: Research Papers Collection Open Semantic Technologies for Intelligent Systems - OSTIS 2019, pp. 265–268 (2019)
13.
Krasnoproshin, V., Matskevich, V.: Statistical approach to image compression based on a restricted Boltzmann machine. In: Proceedings of the 12-th International Conference Computer Data Analysis and Modeling- CDAM 2019, pp. 207–213 (2019)
14.
Locatelli, M.: Convergence properties of simulated annealing for continuous global optimization. J. Appl. Probab. 33(4), 1127–1140 (1996)MathSciNetCrossRef
15.
Matskevich, V., Krasnoproshin, V.: Annealing method in training restricted Boltzmann machine. In: Proceedings of the 14-th International Conference Pattern Recognition and Information Processing - PRIP 2019, pp. 264–268 (2019)
16.
17.
Rere, L.R., Fanany, M.I., Arymurthy, A.M.: Simulated annealing algorithm for deep learning. Procedia Comput. Sci. 72, 137–144 (2015)CrossRef
18.
Temel, D., AlRegib, G.: Perceptual image quality assessment through spectral analysis of error representations. Sign. Process. Image Commun. 70, 37–46 (2019)CrossRef
19.
20.
Treadgold, N., Gedeon, T.: Simulated annealing and weight decay in adaptive learning: the SARPROP algorithm. IEEE Trans. Neural Netw. 9(4), 662–668 (1998)CrossRef
21.
Zhou, X., Xu, L., Liu, S., Lin, Y., Zhang, L., Zhuo, C.: An efficient compressive convolutional network for unified object detection and image compression. In: Proceedings of the AAAI Conference on Artificial Intelligence, vol. 33, pp. 5949–5956 (2019)
Metadaten
Titel
Neural Network Data Processing Technology Based on Deep Belief Networks
verfasst von
Viktor V. Krasnoproshin
Vadim V. Matskevich
Copyright-Jahr
2020
Buch
Open Semantic Technologies for Intelligent System

Print ISBN: 978-3-030-60446-2

Electronic ISBN: 978-3-030-60447-9

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-60447-9_15

Premium Partner

    Bildnachweise