Diff for ''

Deletions are marked like this.	Additions are marked like this.
Line 1:	Line 1:
{| style="width: 20em; float: right; font-size: 95%; margin: 0 0 1em 1em; border: 1px solid #aaa; border-collapse: collapse; clear: right;" |- | style="padding: 0.5em; background: #cde; font-size: larger; border: 1px solid black;" | '''[[:Category:Předměty|{{{1}}}]]''' |- | {| style="margin-left: 1em;" |- style="vertical-align: top;" |Kód předmětu: |style="padding-left: 1em;" | [http://is.cuni.cz/studium/predmety/index.php?do=predmet&kod=N{{{3}}} N{{{3}}}] |- style="vertical-align: top;" |Přednáší: |style="padding-left: 1em;" | '''[[{{{2}}}]]''' |} |}	# Otázky ze zkoušek - NSWI072
Line 16:	Line 3:
[[Category:Předměty]]	- 2026-02-05   - Písemná část     - Huffmanovy kódy (již dříve položená)       - Jaké z těchto kódů nejsou Huffmanovy?         - {0, 10, 11} (ano)         - {01, 00, 10, 110} (ne)         - {01, 10} (ne)       - Jaký je teoretický význam Huffmanových kódů?       - Existuje nějaká lepší metoda kódovaní než Huffmanovi kódy?     - Vyberte si jeden z obrázkových formátů JPEG, PNG či GIF a popište jeho kompresní fungování.     - Pro vektorovou quatizaci je třeba sestrojit codebook. Popište nějakou metodu pro jeho vytvoření. Předpokládejte, že máte dataset pro natrénování codebooku.   - Ústní část     - V teorii jsem zmínil optimalitu a Kraft-McMillanovu nerovnost, doptl se na unikátní dekódovatelnost. Jako lepší jsem napsal aritmetické kódování - doptával se na souvislost s kontextovými metodami a jaké jsou podmínky vztahu $H(X) \le L(C) < H(C) + 2$, který jsem zmínil. Po chvilce jsem odpověděl správně, ale mé tápání bylo zřejmé.     - U JPEGů se doptával na některé implementační detaily, ale nebazíroval na nich, spíše zkoušel, co vím - věděl jsem. Popsal jsem vše vcelku podrobně.     - Stačil opravdu jen obecný pohled na věc.     - Otázka zda preferuji spíše lossless nebo lossy část předmětu, následně jsem měl popsat slovníkovou metodu dle své volby, stačil základ.     - Vše až na arit. kódování jsem věděl dost dobře, známka 1. - 2025-01-23   - entropie, teoretické výsledky o huff a arit, co z toho vyplývá pro praxi? znamená to, že už máme hotovo a nemusíme hledat lepší kompresi? (PPM, stačí nám omezený kontext, ale je to náročné na použití)   - BWT, kódování a dekódování, praktická funkčnost a využití (MTF, RLE), implementace (co je suffixové pole), používá se reálně? (bzip2)   - popište metodu ztrátové komprese obrázků     - vybral jsem si DCT (koeficienty ve výsledné matici vlevo nahoře odpovídají hrubým konturám, vpravo dole zase detailům, proto je můžeme zahodit)   - dodatečná otázka na znění Kraft-McMillerovy věty