Застосування методу сусіднього спуску для пошуку векторів у кодових книгах
Вантажиться...
Файли
Дата
Автори
Назва журналу
Номер ISSN
Назва тому
Анотація
У статті пропонується вдосконалений метод швидкого пошуку найближчого вектора у кодовій
книзі. Основна ідея методу полягає у тому, щоб за рахунок попередньої структуризації кодової
книги скоротити час пошуку в ній вектора, найближчого до вхідного. Структуризація кодової книги
виконується на основі відношення мажорування між векторами. Вводиться поняття рівнів
мажоризації, за якими виконується структуризація. Безпосередній пошук найближчого вектора
виконується за допомогою діаграм Вороного.
Розроблено математичну модель та структуру даних, на основі яких відбувається процес
пошуку в кодовій книзі. Розглянуто кілька модифікацій метода швидкого спуску, що
використовується у процесі пошуку найближчого вектора. На тестовому прикладі здійснено
порівняння ефективності вказаних методів за показником середньої кількості вимірювань відстані.
Показано, що найкращі результати забезпечує метод спрямованого пошуку на основі мажоризації.
Проаналізовано негативні фактори, які здатні вплинути на ефективність квантування. Розглянуто
можливість подальшого зниження складності обчислень за рахунок зменшення розмірів часового
вікна, відведеного на пошук, яке досягається без суттєвої втрати продуктивності, що оцінювалася
за спектральним спотворенням. Експериментальна перевірка підтвердила ефективність
запропонованих методів.
Опис
Ключові слова
УДК
Тип документа
Мова
Є частиною
ISSN
Бібліографічний опис
Ткаченко О. М., Арсенюк І. Р., Хрущак С. В., Куліш С. П. Застосування методу сусіднього спуску для пошуку векторів у кодових книгах // Наукові праці ВНТУ. Електрон. текст. дані (PDF: 576 КБ). 2025. № 1. URI: https://praci.vntu.edu.ua/index.php/praci/article/view/784.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (4)
- Gersho A., Gray R. Vector Quantization and Signal Compression. Springer. 2012. Vol. 159. New York. URL: https://doi.org/10.1007/978-1-4615-3626-0
- CompGS: Smaller and Faster Gaussian Splatting with Vector Quantization / Navaneet K. L. et al. Computer Vision – ECCV 2024. ECCV 2024. Lecture Notes in Computer Science. 2024. Vol 15090, Springer, Cham. Р. 330–349. https://doi.org/10.1007/978-3-031-73411-3_19
- Agrell E. Speсtral сoding by fast veсtor quantization. Proс. IEEE Workshop on Speeсh Coding for Teleсommuniсations. Sainte-Adel`e, Quebeс, Canada. 1993. P. 61–62.
- Barry C. A. Majorization: Here, There and Everywhere. Statistical Science Journal. 2007. Vol. 22, №3. P. 407–413.