SimulationApp
一个概念证明算法开发用例的应用程序项目。 此存储库依赖于以下存储库中的内容来支持演示：
Algo_Cluster_Infrastructure：设置Rancher Kubernetes集群的说明和Ansible手册。
Algo_Dev_Scenario_1：一个场景存储库，其中包含基本运行时（OpenJDK）和执行数据。
Algo_Dev_Scenario_2：另一个方案存储库，包含基本运行时（OpenJDK）和执行数据。
DevSecOps软件工厂中的算法开发
该项目的主要目的是演示一种在我们的领域内定制和应用DevSecOps实践的方法。 我们正在探索的用例是算法开发。 过去，我们经常看到在“繁重的数学”环境中使用模拟和蒙特卡洛分析来评估变化和评估性能的算法参考实现。 在这种情况下经常会看到大量的Matlab使用，这几乎总是作为单线程单片应用程序执行
2024-05-21 09:44:02
15KB
1
无感FOC龙伯格观测器+PLL仿真模型，电机为米格电机，可直接运行，适合验证算法，相关原理分析及说明：
永磁同步电机无感FOC（龙伯格观测器）算法技术总结-仿真篇：https://blog.csdn.net/qq_28149763/article/details/136346434
永磁同步电机无感FOC（龙伯格观测器）算法技术总结-实战篇：
https://blog.csdn.net/qq_28149763/article/details/136347031
2024-05-06 21:52:14
76KB
1
提出了一种用于验证云服务器上外包数据完整性的算法。通过引入双线性对, 由用户随机选择挑战数据发送给服务器, 云存储服务器返回生成的证据, 验证判定等式的均衡性即可知外包数据是否完整, 可信第三方的引入避免了纠纷的无法仲裁。算法可远程对外包数据实现无限次的完整性验证, 很好地兼顾了用户和云存储服务商的利益。
2021-12-07 09:37:18
664KB
1
极限学习机ELM是一类Single-hidden Layer Feedforward Neural Network（SLFNs）算法，由Huang等基于 Moore-Penrose 广义逆的理论提出，主要针对SLFNs中存在的学习速率慢，迭代时间长，学习参数如学习步长、学习率需要人为提前设置等问题。与传统的神经网络学习算法相比，ELM只需要设置合适的隐层节点数，随机生成隐层所需所有参数，利用最小二乘法确定输出层权值。整个学习过程只需一步而无需多次更新隐层参数。正是因为ELM算法的快速学习能力以及较强的非线性逼近能力等特点，使得ELM在实际应用中受到了研究者们的青睐。
本代码给出了实现正则化极限学习机（RELM）、在线学习的极限学习机（OS-ELM）、带遗忘机制的在线学习极限学习机（FOS-ELM）使用python进行了实现，并基于一个简单的数据集对三种算法进行了比较，并比较了不同隐藏层节点对性能的影响。
2021-11-02 20:00:35
1.96MB
ZKP
ZKP是一种实用的零知识证明系统，可提供任意计算的小型且计算效率高的零知识证明。 该系统使我们能够以廉价，快速的验证时间构造简洁的非交互式证明。 下图描述了证明生成系统的拓扑。
编译阶段
程序建设
受信任的设置
证明生成
证明验证
程序建设
程序构建是由其他库开发的，这些库发出标准的JSON协议，该协议描述了门的功能组成，这些门计算加法，乘法和带线运算。 该库可以简单地使用任何其他编译器或库来发出JSON作为其交换格式。
包提供了电路构造语言的参考库。
受信任的设置
可以从命令行运行受信任的设置。 这将生成为特定电路设置所需的一次参数。 设置参数可以随后销毁，也可以在Shamir秘密共享配置中分发。 Shamir共享允许一个n-of-m的设置，其中至少n个参与者必须组合其秘密部分以重建受信任的设置。
zkp setup --prover Groth16 --input
2021-09-21 17:05:12
262KB
1
OMNeT++中的INET框架是OMNeT++仿真中的很重要的框架，可以用来仿真有线网络，无线网络，移动网络，以及IOS七层模型中的应用层，传输层，网络层，数据链路层，物理层协议以及算法仿真。通过学习本课程，可以很好的掌握INET框架，以及应用INET框架建立仿真模型，实现算法验证以及算法优化等。
2021-09-12 14:04:24
2.31MB
1