It was mentioned in [15] that one o

It was mentioned in [15] that one of the major problems
of K-SOMs, in general, is in selecting and tuning annealing
schemes, i.e. changing of learning rates, both for winner
neurons and their neighbours. This must be done empirically
in the absence of a firm theoretical basis. With respect
to the previously proposed hardware implementations of
K-SOM quantizers, an integer arithmetic has mainly been
chosen for system realization in order to keep the utilization
of the internal hardware resources to a minimum. As a
result, the annealing schemes were inevitably limited to
rely on a linearly decaying function. A codebook consisting
of a group of neural cells which is an intermediate result
from K-SOM quantizers was also represented by an integer
basis. This could significantly affect the quality of the final
image since the processes of rounding and truncating have
been accumulated iteratively. Unfortunately, this problem
has not been experimentally studied in depth. In addition, if
it is evident that the data representation of a codebook has
an impact on the compressed image quality, an alternative
suitable data representation of a codebook is worth
pursuing.

Results (Thai) 1:

ใน [15] กล่าวถึงว่า หนึ่งปัญหาที่สำคัญของ K-SOMs ทั่วไป คือในการเลือก และปรับแต่งการหลอมแบบแผน การเปลี่ยนแปลงเช่นการเรียนพิเศษ ทั้งสำหรับผู้ชนะเซลล์ประสาทและเพื่อนบ้านของพวกเขา นี่เป็นต้องกระทำเชิงประสบการณ์ด้วยในกรณีของทฤษฎีพื้นฐานแน่น ด้วยความเคารพการใช้งานฮาร์ดแวร์นำเสนอก่อนหน้านี้ของQuantizers ม K จำนวนเต็มทางคณิตศาสตร์ส่วนใหญ่ได้เลือกสำหรับการสำนึกของระบบเพื่อให้การใช้ประโยชน์ทรัพยากรฮาร์ดแวร์ภายในน้อยที่สุด เป็นการผล รูปแบบหลอมถูกย่อมจำกัดพึ่งฟังก์ชันเชิงเส้นเนื้อที่ การโค้ดบุ้คซึ่งประกอบด้วยกลุ่มของเซลล์ประสาทซึ่งเป็นผลลัพธ์ระดับกลางจาก quantizers K มแก้ไขยังแทน ด้วยจำนวนเต็มพื้นฐาน นี้อย่างมีนัยสำคัญอาจส่งผลต่อคุณภาพของสุดท้ายภาพเนื่องจากมีกระบวนการของการปัดเศษ และตัดทอนถูกสะสมปรับปรุงต้น อับ ปัญหานี้ยังไม่ได้ทดลองศึกษาในเชิงลึก นอกจากนี้ ถ้าจะเห็นว่า มีการแสดงข้อมูลของการโค้ดบุ้คผลกระทบต่อคุณภาพของภาพที่ถูกบีบอัด ทางเลือกแสดงข้อมูลที่เหมาะสมของโค้ดบุ้คคุ้มค่าใฝ่หา

Results (Thai) 2:

มันได้รับการกล่าวถึงใน [15] ว่าหนึ่งในปัญหาที่สำคัญ
ของ K-SOMS โดยทั่วไปคือในการเลือกและการปรับแต่งการหลอม
รูปแบบคือการเปลี่ยนแปลงของอัตราการเรียนรู้สำหรับผู้ชนะทั้ง
เซลล์ประสาทและเพื่อนบ้านของพวกเขา นี้จะต้องทำสังเกตุ
ในกรณีที่ไม่มีพื้นฐานทางทฤษฎี บริษัท ด้วยความเคารพ
กับการใช้งานฮาร์ดแวร์ที่นำเสนอก่อนหน้านี้
quantizers K-SOM เป็นจำนวนเต็มเลขคณิตส่วนใหญ่ได้รับการ
รับเลือกสำหรับการสำนึกระบบเพื่อให้การใช้ประโยชน์
ของทรัพยากรฮาร์ดแวร์ภายในให้น้อยที่สุด ในฐานะที่เป็น
ผลให้รูปแบบการหลอมอย่างหลีกเลี่ยงไม่ได้ จำกัด อยู่ที่
พึ่งพาการทำงานของเส้นตรงเนื้อที่ codebook ประกอบด้วย
กลุ่มของเซลล์ประสาทซึ่งเป็นผลกลาง
จาก quantizers K-SOM ยังเป็นตัวแทนจากจำนวนเต็ม
พื้นฐาน นี้อย่างมีนัยสำคัญอาจส่งผลกระทบต่อคุณภาพของสุดท้าย
ภาพตั้งแต่กระบวนการของการปัดเศษและตัดทอนได้
รับการสะสมซ้ำ แต่น่าเสียดายที่ปัญหานี้
ยังไม่ได้รับการศึกษาทดลองในเชิงลึก นอกจากนี้หาก
จะเห็นว่าการแสดงข้อมูลที่ codebook มี
ผลกระทบต่อคุณภาพของภาพที่ถูกบีบอัดเป็นทางเลือก
การแสดงข้อมูลที่เหมาะสมในการ codebook มีมูลค่า
การใฝ่หา

Results (Thai) 3:

มันถูกกล่าวถึงใน [ 15 ] หนึ่งในปัญหาหลักของ k-soms โดยทั่วไปในการเลือกและการปรับขนาดรูปแบบ ได้แก่ การเปลี่ยนแปลงของอัตราการเรียนรู้ ทั้งผู้ชนะเซลล์ประสาทและเพื่อนบ้านของพวกเขา นี้ต้องใช้ในการขาดของ บริษัท ทฤษฎีพื้นฐาน ด้วยความเคารพไปก่อนหน้านี้ ได้เสนอการใช้ฮาร์ดแวร์k-som quantizers เป็นจำนวนเต็มคณิตศาสตร์ได้เป็นหลักการเลือกสำหรับระบบเพื่อให้ใช้ประโยชน์ของทรัพยากรฮาร์ดแวร์ภายในให้น้อยที่สุด เป็นผลของการอบอ่อนรูปแบบอย่างหลีกเลี่ยงไม่ได้ จํากัดอาศัยเนื้อที่เชิงฟังก์ชัน เป็นชุดประกอบด้วยของกลุ่มเซลล์ประสาทที่ผลปานกลางจาก k-som quantizers ยังแสดงเป็นจำนวนเต็มพื้นฐาน ซึ่งอาจส่งผลกระทบต่อคุณภาพของสุดท้ายภาพตั้งแต่กระบวนการปัดเศษ และตัดทอนได้การสะสมซ้ำ . แต่น่าเสียดายที่ปัญหานี้ยังไม่ได้ทดลองเรียนในระดับลึก นอกจากนี้ หากจะเห็นได้ว่า การแทนข้อมูลในชุดมีผลกระทบต่อคุณภาพของภาพที่ถูกบีบอัด เป็นทางเลือกเหมาะสมเป็นตัวแทนของข้อมูลชุดค่าติดตาม