@InProceedings{BragaGomeShigVelh:2014:NeMeDi,
author = "Braga, Jos{\'e} Renato Garcia and Gomes, Vitor Conrado Faria and
Shiguemori, {\'E}lcio Hideiti and Velho, Haroldo Fraga de
Campos",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)} and {Instituto de Estudos
Avan{\c{c}}ados (IEAv)} and {Instituto Nacional de Pesquisas
Espaciais (INPE)}",
title = "A New Method of Dimensionality Reduction of Hyperspectral Images
Implemented in FPGA",
booktitle = "Anais...",
year = "2014",
organization = "Escola Regional de Alto Desempenho.",
abstract = "Hyperspectral images present new applications, but they represent
new challenges: data high dimension is one of them. This paper
deals with a new technique for reducing the dimensionality of the
data: Nonlinear Principal Component Analysis (NLPCA). This method
applies an self-associative artificial neural network (ANN). The
ANN is implemented in a FPGA. The image processing is performed in
the hybrid computer (CPU+FPGA). RESUMO: Imagens hiper-espectrais
apresentam-se como uma nova possibilidade para
aplica{\c{c}}{\~o}es, mas elas representam novos desafios: dados
com alta dimensionalidade {\'e} um desses desafios. Este artigo
trata de uma nova t{\'e}cnica para reduzir a dimensionalidade dos
dados: An{\'a}lise de Componentes Principais N{\~a}o-linear
(NLPCA). Este m{\'e}todo utiliza uma rede neural artificial (RNA)
auto-associativa para realizar a redu{\c{c}}{\~a}o da
dimensionalidade dos dados. A RNA {\'e} implementada em uma FPGA.
O processamento de imagem {\'e} realizado no computador
h{\'{\i}}brido (CPU + FPGA).",
conference-location = "S{\~a}o Bernardo do Campo",
conference-year = "2014",
isbn = "2178-1397",
label = "lattes: 2377305216969381 1 BragaGomeShigVelh:2014:NeMeDi",
language = "pt",
targetfile = "Braga_new.pdf",
urlaccessdate = "28 mar. 2024"
}