自己組織ニューラルネットによる3D物体の位相学習とベクトル量子化
スポンサーリンク
概要
- 論文の詳細を見る
This paper is addressed to adaptive vector quantization of 3D objects and learning of their topology with a self-organization such as Kohonen map.We wish to show that with the self-organization neural network in[2],successes of the first application surely needs more research in the second direction in order to guarantee the global convergence and achieve higher efficiency Furthermore, we show how deeper topological properties can be extracted by the neural network,which also suggests new applications on representation of the external space and classification of spatial shapes with more subtle or of higher dimensional properties of topology.
- 社団法人電子情報通信学会の論文
- 1994-09-26
著者
関連論文
- マルチパス環境下におけるカルマンフィルタを用いたOFDMチャネル推定法(無線通信技術)
- 色空間の曲率に関する考察とその応用(ITS画像処理,映像メディア,視覚および一般)
- 弱定常確率場の線形モデルによる3D形状表現とその不変特徴量(一般セッション,光と色の解析・表現とその応用)
- SVMネットワークの拡張と高速化に関する考察
- A-14-9 混同色線方向における色弱写像の推定と厳密な補正方式の提案(A-14.ヒューマンコミュニケーション基礎,一般セッション)
- Riemann正規座標系を用いた色弱補正方式(一般セッション,コミュニケーション・共生及び一般)
- 色弁別閾値を基準とした色弱の補正法に関する考察(ヒューマンコミュニケーショングループ(HCG)シンポジウム)
- A-15-23 色弱視の補正原理とその実現法に関する考察(A-15.ヒューマン情報処理,一般講演)
- マルチパス環境下におけるカルマンフィルタを用いたOFDMチャネル推定法
- 超楕円曲線上のHarley加算アルゴリズムにおけるresusltant計算について