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:

กล่าวถึงใน [15] ว่า หนึ่งในปัญหาสำคัญของ K-SOMs ทั่วไป เป็นการหลอมแบบแผนในการเลือก และปรับแต่ง เช่นการเปลี่ยนแปลงของการเรียนพิเศษ เซลล์ประสาทของผู้ชนะและเพื่อนบ้านของพวกเขา นี่เป็นต้องกระทำเชิงประสบการณ์ด้วยในกรณีที่ไม่มีพื้นฐานทางทฤษฎีบริษัท เกี่ยวกับใช้งานฮาร์ดแวร์นำเสนอก่อนหน้านี้ของ quantizers ม K จำนวนเต็มทางคณิตศาสตร์มีหลักการเลือกสำหรับการสำนึกของระบบเพื่อให้การใช้ทรัพยากรฮาร์ดแวร์ภายในน้อยที่สุด เป็นผล รูปแบบหลอมถูกจำกัดย่อมต้องพึ่งฟังก์ชั่นเชิงเส้นเนื้อที่ โค้ดบุ้คที่ประกอบด้วยกลุ่มของเซลล์ประสาทซึ่งเป็นผลลัพธ์ระดับกลางจาก K-SOM quantizers ยังถูกแสดง โดยพื้นฐานเป็นจำนวนเต็ม นี้อย่างมีนัยสำคัญอาจส่งผลต่อคุณภาพของภาพสุดท้ายเนื่องจากกระบวนการของการปัดเศษ และตัดทอนสะสมปรับปรุงต้น อับ ปัญหานี้ยังไม่ได้ทดลองศึกษาในเชิงลึก นอกจากนี้ ถ้าจะเห็นว่า การแสดงข้อมูลของโค้ดบุ้คส่งผลต่อคุณภาพการบีบอัดภาพ การแสดงทางเลือกข้อมูลที่เหมาะสมของการโค้ดบุ้คคุ้มใฝ่หา

Results (Thai) 2:

มันได้รับการกล่าวถึงใน [15] ว่าหนึ่งในปัญหาที่สำคัญของ K-SOMS โดยทั่วไปคือในการเลือกและการปรับแต่งรูปแบบการหลอมคือการเปลี่ยนแปลงของอัตราการเรียนรู้ทั้งในเซลล์ประสาทชนะและเพื่อนบ้านของพวกเขา นี้จะต้องทำสังเกตุในกรณีที่ไม่มีพื้นฐานทางทฤษฎี บริษัท ด้วยความเคารพต่อการใช้งานฮาร์ดแวร์ที่นำเสนอก่อนหน้านี้ quantizers K-SOM เป็นจำนวนเต็มเลขคณิตส่วนใหญ่ได้รับการรับเลือกสำหรับการสำนึกระบบเพื่อให้การใช้ประโยชน์จากทรัพยากรฮาร์ดแวร์ภายในให้น้อยที่สุด เป็นผลให้รูปแบบการหลอมอย่างหลีกเลี่ยงไม่ได้ จำกัด อยู่ที่พึ่งพาการทำงานของเส้นตรงเนื้อที่ codebook ประกอบด้วยกลุ่มของเซลล์ประสาทซึ่งเป็นผลมาจากกลาง quantizers K-SOM ยังเป็นตัวแทนจากพื้นฐานจำนวนเต็ม นี้อย่างมีนัยสำคัญอาจส่งผลกระทบต่อคุณภาพของภาพสุดท้ายตั้งแต่กระบวนการของการปัดเศษและตัดทอนได้รับการสะสมซ้ำ แต่น่าเสียดายที่ปัญหานี้ยังไม่ได้รับการศึกษาทดลองในเชิงลึก นอกจากนี้หากจะเห็นว่าการแสดงข้อมูลที่ codebook มีผลกระทบต่อคุณภาพของภาพที่ถูกบีบอัดเป็นทางเลือกการแสดงข้อมูลที่เหมาะสมในการ codebook เป็นมูลค่าการใฝ่หา

Results (Thai) 3:

มันถูกกล่าวถึงใน [ 15 ] หนึ่งในปัญหาหลักของ k-soms ในทั่วไปคือในการเลือกและการปรับแต่งโทนอ่อน ได้แก่ การเปลี่ยนแปลงของอัตราการเรียนรู้ ทั้งกลุ่มผู้ชนะ และเพื่อนบ้านของพวกเขา นี้จะใช้ในการขาดของ บริษัท ทฤษฎีพื้นฐาน ด้วยความเคารพต่อก่อนหน้านี้เสนอฮาร์ดแวร์ใช้ k-som quantizers , เลขคณิตจำนวนเต็มที่ได้รับส่วนใหญ่เลือกให้เป็นระบบเพื่อให้การใช้ทรัพยากรฮาร์ดแวร์ภายในให้น้อยที่สุด ผลคือ การหลอมแผนการอย่างหลีกเลี่ยงไม่ได้ จำกัด เพื่ออาศัยเนื้อที่เชิงฟังก์ชัน เป็นชุดประกอบด้วยกลุ่มเซลล์ประสาทกลางซึ่งเป็นผลจาก k-som quantizers ถูกแทนด้วยเลขพื้นฐาน ซึ่งอาจส่งผลกระทบต่อคุณภาพของภาพสุดท้ายตั้งแต่กระบวนการออกรอบแล้วตัดได้รับการสะสมซ้ำ . แต่ปัญหานี้ได้ถูกทดลองใช้ในความลึก นอกจากนี้ ถ้าจะเห็นได้ว่าเป็นตัวแทนของชุดข้อมูลที่มีผลกระทบต่อคุณภาพของภาพบีบอัดข้อมูลทางเลือกที่เหมาะสมเป็นตัวแทนของชุดมีมูลค่าการใฝ่หา .