改进的指数双向联想记忆模型在数据压缩中的应用

摘要：

改进的指数双向联想记忆模型(Improvedexponentialbidirectionalassociativememorymodel,IeBAM)是在eBAM的基础上通过引入内连接项而产生的一个比eBAM具有更高存储容量、纠错性的联想神经网络。借助于IeBAM的高存储容量和良好的纠错性能及有序直方图技术，可实现一种更高效率的数据压缩方法，从而为现有的数据压缩方法提供一种新算法。最后，计算机模拟证实了使用IeBAM的数据压缩性能比使用eBAM的更好

关键词：双向联想记忆、指数、内连接、数据压缩

所属期刊栏目：16

分类号：TN919;TP391

资助基金：教育部高校骨干教师资助计划

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：32-36