The Philosophy of PCM

Oliver, Bernard M.; Pierce, John R.; Shannon, Claude E.

doi:10.1109/jrproc.1948.231941

Cited by 235 publications

(66 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The origins of the theory of quantization of probability distributions date back to the three fundamental articles (Oliver et al, 1948;Bennett, 1948;Panter and Dite, 1951); the field of application was that of signal processing, in particular modulation and analog-to-digital conversion. See (Gray and Neuhoff, 1998) for a survey of the method and of its engineering applications, besides a huge list of references (mainly in the field of engineering); the book (Graf and Luschgy, 2000) gives a mathematically rigorous treatment of the subject.…”

Section: Introductionmentioning

confidence: 99%

The stochastic quantization method and its application to the numerical simulation of volcanic conduit dynamics under random conditions

et al. 2010

View full text Add to dashboard Cite

Abstract. Stochastic Quantization (SQ) is a method for the approximation of a continuous probability distribution with a discrete one. The proposal made in this paper is to apply this technique to reduce the number of numerical simulations for systems with uncertain inputs, when estimates of the output distribution are needed. This question is relevant in volcanology, where realistic simulations are very expensive and uncertainty is always present. We show the results of a benchmark test based on a one-dimensional steady model of magma flow in a volcanic conduit.

show abstract

Section: Introductionmentioning

confidence: 99%

The stochastic quantization method and its application to the numerical simulation of volcanic conduit dynamics under random conditions

et al. 2010

View full text Add to dashboard Cite

show abstract

“…Shannon definió una función para medir la cantidad de información que produce una fuente F = (S, P ); a esta función le denominó entropía de la fuente y está expresada así: 6) la unidad de medida depende de la base logarítmica b empleada. Si se utiliza la base dos, la entropía se mide en bits (binary units); si se usa e como base, entonces la entropía se mide en nats (natural units); y si se emplea como base el diez, la entropía se mide en hartleys.…”

Section: Entropíaunclassified

“…Una de ellas se centra en generar funcionesóptimas para la predicción de la intensidad de cada pixel a partir de las intensidades de los pixeles vecinos y se conoce como codificación diferencial (differential coding) o codificación predictiva (predictive coding). La mayoría de las técnicas de este tipo se derivan de tres trabajos presentados a mediados del siglo pasado que han sido pilares fundamentales en el campo de la compresión de imágenes [6] [7], [8]. El valor proporcionado por la función de predicción para cada pixel se resta del valor del pixel y la diferencia resultante es lo que se transmite, tal como se ilustra en la Fig.…”

Section: Fig 26: Codificación Predictivaunclassified

“…Por las entradas A y B llegan, respectivamente, los pixeles impares y pares de la imagen de entrada. Con esta bb (1,5) bb (2,5) bb (6,5) bb (1,3) bb (2,3) bb (6,3) bb (1,2) bb (2,2) bb (6,2) bb (1,6) bb (2,6) bb (6,6) bb (1,4) bb (2,4) bb ( Esta estructura divide entre cuatro la cantidad de ciclos de reloj requeridos para procesar una imagen; se divide entre dos al procesar a la vez dos pixeles y nuevamente entre dos porque se generan simultáneamente dos coeficientes, uno par y uno impar. Para el caso de una matriz de coeficientes del filtro con tamaño 6 x 6, en la Fig.…”

Section: La Etapa 2d-dwtunclassified

“…Es decir, la salida que genera la red cuando se le aplica un vector de entrada no se compara 6 A cada pareja formada por X p y Z p se le llama un patrón de entrenamiento…”

unclassified

See 2 more Smart Citations

Diseño y experimentación de un cuantizador vectorial hardware basado en redes neuronales para un sistema de codificación de video.

Agundis¹

View full text Add to dashboard Cite

DedicatoriaEl camino resultó más complejo y prolongado de lo esperado, pero fue también el motivo de nuevas vivencias y conocimientos. En el trayecto se incorporaron a mi vida otros seres que se han convertido en fuente inagotable de alegrías. Al final del viaje mi Madre ya no está físicamente con nosotros.A la memoria de Doña Lupita y a mis nuevos retoños están dedicados los frutos de esta travesía.Con mucho cariño y de manera especial se los dedico a mis hijos como motivación para continuar avanzando.Con el entrañable afecto de siempre a mis seis hermanos y sus familias.A mis amigos. iv AgradecimientosLe expreso mi gratitud a Rafa Gadea por brindarme su guía, su acompañamiento y sus palabras de aliento en los momentos críticos. A Ricardo Colom le agradezco su manifiesta y permanente disposición para apoyarme sin reserva alguna. En la actitud de mis directores de Tesis y en la de otros profesores de su Departamento de Ingeniería Electrónica he visto reflejado el espíritu de fraternidad con otros pueblos de la Universidad Politécnica de Valencia.Muchas gracias también a todos mis compañeros del Departamento de Ingeniería Electrónica del Instituto Tecnológico de Celaya, por su respaldo, por su confianza y por permitirme compartir la esperanza y elánimo de ser mejores. En lo particular le agradezco a Justo por su preocupación para superar los obstáculos administrativos y por su impulso. A Ramiro Rico por rescatar una causa que se encontraba casi perdida.Un agradecimiento especial va para todos los mexicanos. Ellos aportaron los recursos que permitieron financiar mi participación en el programa de doctorado cuya culminación se materializa en esta Tesis.vi Resumen -Resum -AbstractResumen El objetivo general de esta Tesis es el estudio de las redes neuronales artificiales (ANN) con implementación hardware enfocadas hacia la compresión de imágenes y video en tiempo real. Como objetivos específicos, la Tesis se propone: explorar la factibilidad de utilizar las redes neuronales en las diferentes etapas de un sistema de compresión de imágenes; evaluar las redes Self Organizing Feature Map (SOM) en su implementación hardware utilizadas para la cuantización vectorial de imágenes; analizar la capacidad para procesar video en tiempo real de un sistema de compresión de imágenes que combine la cuantización vectorial basada en redes neuronales con otras técnicas; y estructurar un sistema para realizar el entrenamiento de redes neuronales utilizando esquemas de co-diseño hardware-software. La Tesis expone primeramente los conceptos fundamentales relacionados con la compresión de imágenes considerando tanto los principios teóricos subyacentes como las técnicas que se usan para llevar a cabo las tareas involucradas con las diferentes etapas que integran un compresor. A continuación efectúa una revisión de los trabajos de investigación en los que las ANN se utilizan para la compresión de imágenes, tarea que es precedida por un breve repaso del desarrollo que se ha observado en el campo de las ANN.En la parte práctica la Tesis tiene...

show abstract