Chapter 8. 정보 이론 기반 데이터 압축의 수학적 기초 Chapter 8. 정보 이론 기반 데이터 압축의 수학적 기초 8.1데이터 압축의 정의와 정보 이론적 동기 8.2정보 엔트로피와 데이터 압축률의 이론적 관계 8.3무손실 압축과 손실 압축의 분류 체계 8.4소스 부호화(Source Coding)의 기본 원리 8.5고유 복호 가능 부호(Uniquely Decodable Code)의 조건 8.6접두사 부호(Prefix-Free Code)의 정의와 성질 8.7크래프트 부등식(Kraft Inequality)의 정식화와 증명 8.8맥밀런 부등식(McMillan Inequality)과 고유 복호 가능성 8.9섀넌의 무잡음 부호화 정리와 평균 부호어 길이의 하한 8.10최적 부호어 길이의 존재 증명과 엔트로피와의 관계 8.11섀넌-파노 부호화(Shannon-Fano Coding) 알고리즘 8.12허프만 부호화(Huffman Coding)의 설계 절차 8.13허프만 부호의 최적성 증명 8.14적응적 허프만 부호화(Adaptive Huffman Coding)의 원리 8.15산술 부호화(Arithmetic Coding)의 구간 분할 방식 8.16산술 부호화의 엔트로피 근접 부호화율 분석 8.17범위 부호화(Range Coding)와 산술 부호화의 비교 8.18비대칭 숫자 체계(Asymmetric Numeral Systems, ANS)의 원리 8.19렘펠-지브 부호화(Lempel-Ziv Coding)의 사전 기반 접근 8.20LZ77 알고리즘의 슬라이딩 윈도우 구조 8.21LZ78 알고리즘의 사전 트리 구축 방식 8.22LZW(Lempel-Ziv-Welch) 알고리즘의 확장 원리 8.23버로우즈-휠러 변환(Burrows-Wheeler Transform)의 구조 8.24이동-전방 변환(Move-to-Front Transform)과 후처리 기법 8.25런-길이 부호화(Run-Length Encoding)의 원리와 응용 8.26문맥 기반 예측 모델과 PPM(Prediction by Partial Matching) 8.27율-왜곡 이론(Rate-Distortion Theory)의 기초 8.28율-왜곡 함수의 정의와 손실 압축의 이론적 한계 8.29정보 이론적 압축 기법의 기계 학습 모델 압축에의 응용 8.30신경망 기반 데이터 압축의 정보 이론적 분석