申请/专利权人：超越科技股份有限公司

申请日：2020-08-06

公开（公告）日：2024-03-15

公开（公告）号：CN111900996B

主分类号：H03M13/09

分类号：H03M13/09;H03M13/23;H03M13/29;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2024.02.27#著录事项变更;2020.11.24#实质审查的生效;2020.11.06#公开

摘要：本发明公开了一种CRC32算法参数的确定方法，包括以下步骤：构建训练集和神经网络；利用所述训练集对所述神经网络进行迭代训练，以确定所述神经网络的卷积核参数；将所述卷积核参数作为最终的CRC32算法的参数。本发明还公开了一种系统、计算机设备以及可读存储介质。本发明提出的方案利用神经网络进行CRC32参数的调整，通过测试数据集即可调整CRC32的参数调整数据输入的占比权重，从而提升哈希后的数据散列程度。

主权项：1.一种CRC32算法参数的确定方法，其特征在于，包括以下步骤：构建训练集和神经网络；利用所述训练集对所述神经网络进行迭代训练，以确定所述神经网络的卷积核参数；将所述卷积核参数作为最终的CRC32算法的参数；利用所述训练集对所述神经网络进行迭代训练，以确定所述神经网络的卷积核参数，进一步包括：根据实际输出数据的方差与设定的期望方差的差值的大小作为反向传播误差，以根据所述反向传播误差调整所述卷积核参数；根据实际输出数据的方差与设定的期望方差的差值的大小作为反向传播误差，以根据所述反向传播误差调整所述卷积核参数，进一步包括：将所述训练集分成若干个测试子集，利用所述神经网络计算每一个所述测试子集中的数据的哈希值的方差；将所述测试子集中的数据的哈希值的方差与阈值的差值的大小作为反向传播误差；将所述测试子集中的数据的哈希值的方差与阈值的差值的大小作为反向传播误差，进一步包括：每次迭代训练后，根据所述反向传播误差的大小确定下一次迭代训练对应的所述卷积核参数的调整尺度，并根据所述差值的正负值确定下一次迭代训练对应的所述卷积核参数的调整方向。

全文数据：

权利要求：

百度查询： 超越科技股份有限公司 一种CRC32算法参数的确定方法、系统、设备以及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD