Адаптивная интерполяция многомерных сигналов при дифференциальной компрессии
А. И. Максимов, М. В. Гашников

Список литературы
1.	J.W. Woods, Multidimensional signal, image, and video processing and coding, Academic Press, Waltham, Oxford, 2011, 616 pp.
2.	F.D. van der Meer, H.M. van der Werff, F.J. van Ruitenbeek, C.A. Hecker, W.H. Bakker, M.F. Noomen, M. van der Meijde, E.J.M. Carranza, J.B. de Smeth, T. Woldai, “Multi- and hyperspectral geologic remote sensing: A review”, International Journal of Applied Earth Observation and Geoinformation, 14:1 (2012), 112–128
3.	T. Lillesand, R.W. Kiefer, J. Chipman, Remote sensing and image interpretation, John Wiley & Sons, Hoboken, NJ, 2015, 768 pp.
4.	V.N. Vapnik, Statistical learning theory, John Wiley & Sons, New York, 1998, 768 pp.
5.	Ю.Н. Бахвалов, Метод многомерной интерполяции и аппроксимации и его приложения, Спутник+, М., 2007, 108 с. [Yu.N. Bakhvalov, Method of multidimensional interpolation and approximation and its applications, “Sputnik+” Publisher, Moscow, 2007 (in Russian)]
6.	Ю.Г. Васин, Ю.И. Неймарк, “Рекуррентные алгоритмы адаптивного сжатия с использованием хорошо приспособленных локальных восстанавливающих функций”, Математическое обеспечение САПР: межвузовский сборник, т. I.13, ГГУ, Горький, 1978 [Y.G. Vasin, Yu.I. Neimark, “Recurrent algorithms of adaptive compression using well-adapted local regenerating functions”, Mathematical support of CAD: Intercollegiate collection, v. I.13, “GGU” Publisher, Gorky, 1978 (in Russian)]
7.	К.В. Гулаков, “Выбор архитектуры нейронной сети для решения задач аппроксимации и регрессионного анализа экспериментальных данных”, Вестник Брянского государственного технического университета, 2 (2013), 95–105 [K.V. Gulakov, “Selection of neural network architecture for solving the approximation task and regression analysis of experimental data”, Vestnik BSTU, 2 (2013), 95–105 (in Russian)]
8.	A. Cohen, M.A. Davenport, D. Leviatan, “On the stability and accuracy of least squares approximations”, Foundations of Computational Mathematics, 13:5 (2013), 819–834
9.	А.О. Блинов, В.П. Фраленко, “Многомерная аппроксимация в задачах моделирования и оптимизации”, Автоматика и телемеханика, 4 (2009), 98–109   [A.O. Blinov, V.P. Fralenko, “Multidimensional approximation for modeling and optimization problems”, Automation and Remote Control, 70:4 (2009), 652–662]
10.	М.К. Чобану, Д.В. Макаров, “Сжатие изображений с помощью тензорной аппроксимации”, Проблемы разработки перспективных микро- и нано­электронных систем (МЭС), 4 (2014), 109–112 [M.K. Tchobanou, D.V. Makarov, “Image compression by using tensor approximation”, Problems of Advanced Micro- and Nanoelectronic Systems Development (MES), 4 (2014), 109–112 (in Russian)]
11.	Е.Ю. Бутырский, И.А. Кувалдин, В.П. Чалкин, “Аппроксимация многомерных функций”, Научное приборостроение, 20:2 (2010), 82–92 [Eu.Yu. Butyrsky, I.A. Kuvaldin, V.P. Chalkin, “Multidimensional functions’ approximation”, Nauchnoe Priborostroenie, 20:2 (2010), 82–92 (in Russian)]
12.	C.F. Caiafa, A. Cichocki, “Computing sparse representations of multidimensional signals using Kronecker bases”, Neural Computation, 25:1 (2016), 186–220
13.	Н.В. Крапухина, Б.В. Бринза, “Новый подход к многомерной аппроксимации технологических данных на основе использования метода группового учëта аргументов и нейронных сетей”, Цветные металлы, 5 (2007), 19–23 [N.V. Krapukhina, B.V. Brinza, “New approach to a multi-dimension approximation of technological data on the base of usage of the method of group account of arguments and neuron nets”, Non-Ferrous Metals, 5 (2007), 19–23 (in Russian)]
14.	S. Sahnoun, E.-H. Djermoun, D. Brie, P. Comon, “A simultaneous sparse approximation method for multidimensional harmonic retrieval”, Signal Processing, 131 (2017), 36–48
15.	D.L. Donoho, “Compressed sensing”, IEEE Transactions on Information Theory, 52:4 (2006), 1289–1306
16.	J. Bigot, C. Boyer, P. Weiss, “An analysis of block sampling strategies in compressed sensing”, IEEE Transactions on Information Theory, 62:4 (2016), 2125–2139
17.	D. Salomon, Data compression: The complete reference, Springer-Verlag, London, 2007, 1118 pp.
18.	R.C. Gonsales, E. Woods, Digital image processing, Prentice Hall, Upper Saddle River, NJ, 2007, 976 pp.
19.	M.V. Gashnikov, “Parameterized adaptive predictor for digital image compression based on the differential pulse code modulation”, Proceedings of SPIE, 10341 (2017), 1034110
20.	М.В. Гашников, “Минимизация энтропии постинтерполяционных остатков при компрессии изображений на основе иерархической сеточной интерполяции”, Компьютерная оптика, 41:2 (2017), 266–275 [M.V. Gashnikov, “Minimizing the entropy of post-interpolation residuals for image compression based on hierarchical grid interpolation”, Computer Optics, 41:2 (2017), 266–275 (in Russian)]