Stanford提出DeepZip：用循環神經網絡進行文件無損壓縮！

一、論文摘要 如今，我們生成的數據量大幅增加。新類型的數據，比如基因組數據 [1]、3D-360 度 VR 數據、自動駕駛點雲數據已經出現。大量的工作用在了分析以上數據的統計學信息，以設計好的壓縮器。由信息論得知，好的壓縮器來自好的預測器 [2]。基於循環神經網絡（LSTM/GRU）的模型擅長捕捉長期依賴關係 [3]，並可以很好地預測下一字符/詞。這樣 RNN 可被有效用於壓縮嗎？我們分析了 RN

>>阅读原文<<