权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Fast Vector Quantization using Ensemble learning and its application

基于集成学习的快速矢量量化及其应用

基本信息

批准号：
19500195
负责人：
MIYAJIMA Hiromi
金额：
$ 2.5万
依托单位：
Kagoshima University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2007
资助国家：
日本
起止时间：
2007 至 2008
项目状态：
已结题

项目摘要

本研究は画像圧縮、音声処理、データマイニングのような応用への基礎となるデータ圧縮技術の実現方法として、高速なベクトル量子化法の開発とそのFPGA上での実装を目指したものであり、以下のような成果が得られた。1) アンサンブル学習(バギング、フイルタ,アダブースト)をベクトル量子化に応用した。その結果、数値シミュレーションによりフイルタ、アダブースト、バギングの順に能力の向上がみられ、いずれの場合もパラメータ数を数倍として、5倍程度の速度向上、2倍以上の精度向上が実現できた。2) アンサンブル学習をファジィシステムに応用することにより、同様の能力向上が実現できた。さらに、並列化モデルを提案し数倍の高速化を実現した。3) FPGAを用いたディジタル回路でベクトル量子化法を構成し、ソフトウエアより5倍程度の高速化を実現した。4) ファジィシステムのディジタル回路化を目指し、除算を用いない回路を提案し、面積を1/3、動作速度を4倍程度の回路を実現した。この結果はまた、アンサンブル学習により精度が保証される。以上、ベクトル量子化やファジィシステムへのアンサンブル学習を導入し、高速化と精度向上を与えるアルゴリズムを提案し、その有効性を示した。また、ディジタル回路化を目的としてFPGAを用いて回路設計を行い、さらなる能力向上を実現した。本研究を通して、ベクトル量子化へのアンサンブル学習導入の有効性が明らかとなり、FPGAによるディジタル回路設計によるさらなる高速化が実現できることが明らかとなった。

This study は portrait 圧 shrink, voice 処, データマイニングのような応 with への based となるデータの圧 shrinkage technology be presently method として, high-speed なベクトル quantization method の open 発とその FPGA での be loaded を refers したものであり, the following のようがな achievements have られた. (1) アンサンブル learning バギング, フイルタ, アダブースト) をベクトル quantization に応 with した. その results, the numerical シミュレーションによりフイルタ, アダブースト, バギングの shun に ability の upward がみられ, いずれの occasions もパラメータ number several times をとして, の speed up five times, more than 2 times up がの precision be presently できた. 2) アンサンブル learning をファジィシステムに応 with することにより, with others in の ability up が be presently できた. Youdaoplaceholder0, parallelization モデモデをを proposal <s:1> several times the speed of <s:1> を implementation たた. 3) the FPGA をいたディジタル loop でベクトル quantization method をし, ソフトウエアより 5 times high speed degree のを be presently した. 4) ファジィシステムのディジタル loop turn を refers し, in addition to calculate をいない loop を proposal し, area を 1/3, the degree of movement speed 4 times をの loop を be presently した. The <s:1> <s:1> results are またまた, アアササ, アブブ, アブ, ブ, ア, によ, ブ, によ, によ, and the accuracy of the learning によ is guaranteed by が. Above, ベクトル quantization やファジィシステムへのアンサンブル learning を import し high speed and precision とを upward えるアルゴリズムを proposal し, その have sharper sex を shown した. また, ディジタル loop turn を purpose として FPGA を with いて circuit design をい, さらなる ability up を be presently した. This study を tong して, ベクトル quantization へのアンサンブル learning import の have sharper sex が Ming らかとなり, FPGA によるディジタル circuit design によるさらな high speed るが be presently できることが Ming らかとなった.