| DC Field | Value | Language |
|---|
| dc.contributor.author | Вергель, И. В. | - |
| dc.contributor.author | Барсукевич, С. Н. | - |
| dc.contributor.author | Мигалевич, С. А. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2025-07-10T07:01:41Z | - |
| dc.date.available | 2025-07-10T07:01:41Z | - |
| dc.date.issued | 2025 | - |
| dc.identifier.citation | Вергель, И. В. Применение методов искусственного интеллекта для оптимизации алгоритмов сжатия данных = Application of artificial intelligence methods to optimize data compression algorithms / И. В. Вергель, С. Н. Барсукевич, С. А. Мигалевич // Технологии передачи и обработки информации : материалы Международного научно-технического семинара, Минск, апрель 2025 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. Ю. Цветков [и др.]. – Минск, 2025. – С. 82–85. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/60693 | - |
| dc.description.abstract | Рассматриваются современные подходы к сжатию данных, включая традиционные алгоритмы и методы, основанные на искусственном интеллекте. Анализируются преимущества и недостатки различных технологий, их вычислительная сложность, степень сжатия и применимость к разным типам данных. Внимание уделяется нейросетевым методам, таким как сверточные нейронные сети, генеративные состязательные сети и языковые модели. Приведено сравнение эффективности различных алгоритмов на основе тестирования сжатия текстовых данных. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | алгоритмы сжатия данных | en_US |
| dc.subject | искусственный интеллект | en_US |
| dc.subject | нейронные сети | en_US |
| dc.title | Применение методов искусственного интеллекта для оптимизации алгоритмов сжатия данных | en_US |
| dc.title.alternative | Application of artificial intelligence methods to optimize data compression algorithms | en_US |
| dc.type | Article | en_US |
| local.description.annotation | Modern approaches to data compression, including traditional algorithms and methods based on artificial intelligence, are considered. The advantages and disadvantages of various technologies, their computational complexity, compression ratio, and applicability to different types of data are analyzed. Attention is paid to neural network methods such as convolutional neural networks, generative adversarial networks, and language models. The effectiveness of various algorithms based on text data compression testing is compared. | en_US |
| Appears in Collections: | Технологии передачи и обработки информации : материалы Международного научно-технического семинара (2025)
|
