基于椭圆曲线上的双线性对，构造了一种非交互式，简单且有效的公开可验证秘密共享（PVSS），这具有Schoenmakers的PVSS的所有优点[15]。 此外，在计划的股份分配阶段，仅使用双线性配对的双线性，任何人都可以验证参与者是否在不实施交互式或非交互式协议且没有构造所谓的使用Fiat-Shamir技术的股份见证的情况下收到了正确的股份。 随后，在方案的秘密阶段重建中，任何人都可以使用相同的方法来验证释放的份额。 由于PVSS不需要实现非交互式协议并构造见证以防止恶意播放器，因此可以减少通信的开销。 最后，PVSS是没有经销商（或没有受信任的中心）的案件的扩展。 提出了分布式公共可验证秘密共享（DPVSS），这也减少了通信开销。 分析表明，这些方案比其他方案更安全，更有效，并且在特殊情况下可能更适用。
2021-11-23 13:39:26
170KB
1
Matlab代码sqrt
B-CNN：双线性CNN，用于细粒度的视觉识别
由林宗玉，Aruni
RoyChowdhury和Subhransu
Maji在麻省大学阿默斯特分校创建
介绍
由Yuqi
Huo修改。此存储库包含用于在B-CNN
[ICCV
2015]和改进的B-CNN
[BMVC
2017]论文中重现结果的代码：
@inproceedings{lin2015bilinear,
Author
=
{Tsung-Yu
Lin,
Aruni
RoyChowdhury,
and
Subhransu
Maji},
Title
=
{Bilinear
CNNs
for
Fine-grained
Visual
Recognition},
Booktitle
=
{International
Conference
on
Computer
Vision
(ICCV)},
Year
=
{2015}
}
@inproceedings{lin2017impbcnn,
Author
=
{Tsung-Yu
Lin,
and
Subhransu
Maji},
Booktitle
=
{British
2021-11-17 11:01:53
120KB
1
Matlab代码sqrt
B-CNN：双线性CNN，用于细粒度的视觉识别
由林宗玉，Aruni
RoyChowdhury和Subhransu
Maji在麻省大学阿默斯特分校创建
介绍
该存储库包含用于在B-CNN
[ICCV
2015]和改进的B-CNN
[BMVC
2017]论文中重现结果的代码：
@inproceedings{lin2015bilinear,
Author
=
{Tsung-Yu
Lin,
Aruni
RoyChowdhury,
and
Subhransu
Maji},
Title
=
{Bilinear
CNNs
for
Fine-grained
Visual
Recognition},
Booktitle
=
{International
Conference
on
Computer
Vision
(ICCV)},
Year
=
{2015}
}
@inproceedings{lin2017impbcnn,
Author
=
{Tsung-Yu
Lin,
and
Subhransu
Maji},
Booktitle
=
{British
Machine
Visi
2021-11-17 10:58:48
120KB
1
逆Preisach模型双线性插值数值实现-References.part1.rar
本帖最后由 lgs2007m 于 2016-7-9 12:51 编辑
之前毕业设计弄了个Preisach迟滞模型GUI，只是参照别人的论文做的，没啥新的东西，分享给需要的人。很少上论坛，可能交流就做不到了，提供我参考的论文给需要的人参考学习吧。
程序源码及参考论文见附件->
逆Preisach模型双线性插值数值实现.rar
程序参考的论文为：
Real-time compensation of hysteresis in a piezoelectric-stack actuator tracking a stochastic reference
该论文的参考文献见附件->
References.part1.rar
References.part2.rar
References.part3.rar
GUI效果图如下：
Preisach模型数值实现：
Preisach.gif
Preisach模型数值实现GIF
逆Preisach模型双线性插值数值实现：
Inverse_Preisach.gif
逆Preisach模型双线性插值数值实现GIF
2021-11-07 16:40:25
3.8MB
1