一種組合式爬山算法提高S盒非線性度
大小：0.70 MB 人氣： 2018-01-05 需要積分：2
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
標(biāo)簽：非線性(22953)
針對(duì)三點(diǎn)和四點(diǎn)爬山算法對(duì)隨機(jī)置換盒（S盒）的非線性度進(jìn)行優(yōu)化時(shí)計(jì)算量大及效率低的問(wèn)題，提出了一種組合式爬山算法（CHC）。該算法把交換S盒兩個(gè)輸出數(shù)據(jù)的行為定義為一個(gè)交換元，利用加權(quán)擇優(yōu)函數(shù)，篩選出若干個(gè)對(duì)非線性度的提升貢獻(xiàn)較大的交換元，然后通過(guò)同時(shí)應(yīng)用多個(gè)交換元，達(dá)成提高S盒非線性度的目標(biāo)。實(shí)驗(yàn)中利用CHC算法，一次最多交換了12個(gè)輸出數(shù)據(jù)，使得大部分8輸入8輸出隨機(jī)S盒的非線性度超過(guò)了102，最高可達(dá)106。實(shí)驗(yàn)結(jié)果表明，所提出的CHC算法相比于三點(diǎn)和四點(diǎn)爬山算法，不僅降低了計(jì)算量，而且對(duì)隨機(jī)S盒的非線性度也有著更為明顯的提升作用。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
一種組合式爬山算法提高S盒非線性度下載
相關(guān)電子資料下載
- 不同的人工神經(jīng)網(wǎng)絡(luò)模型各有什么作用? 126
- rnn神經(jīng)網(wǎng)絡(luò)基本原理 233
- bp神經(jīng)網(wǎng)絡(luò)算法過(guò)程包括 106
- 反向傳播神經(jīng)網(wǎng)絡(luò)建模基本原理 166
- 反向傳播神經(jīng)網(wǎng)絡(luò)概念是什么 169
- 反向傳播神經(jīng)網(wǎng)絡(luò)分為多少層 162
- bp神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括哪些 115
- 卷積神經(jīng)網(wǎng)絡(luò)激活函數(shù)的作用 80
- 數(shù)學(xué)建模神經(jīng)網(wǎng)絡(luò)模型的優(yōu)缺點(diǎn)有哪些 299
- 什么神經(jīng)網(wǎng)絡(luò)模型適合做分類(lèi) 114