申请/专利权人：广州大学

申请日：2024-01-02

公开（公告）日：2024-03-26

公开（公告）号：CN117763274A

主分类号：G06F17/15

分类号：G06F17/15;G06F17/16;G06F17/11;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明公开了一种基于机器学习的函数等价关系判断方法，包括以下步骤：输入两个向量布尔函数和，设定向量参数和阈值，通过暴力搜索和代换推导得到求解系统；判断两个向量布尔函数和是否仿射等价，判定向量布尔函数和能否进行仿射等价的恢复：用变量计算求解系统的解空间，求出布尔函数对应矩阵，通过矩阵的秩对解的结构进行分析。本发明对函数定义过程中，结构简单，直观灵活。本发明将机器学习引入进方程组的求解，结合参数的简单定义，从整体上提高采样算法的效率。本发明通过引入张量，将复杂的矩阵计算变得简单，并且求解方程组的过程更直观。本发明通过降低参数计算量的大小，降低数据的运算规模，进而提高恢复两个向量布尔函数的时间效率。

主权项：1.一种基于机器学习的函数等价关系判断方法，其特征在于，包括以下步骤：S1.输入两个向量布尔函数F和G，设定向量参数s和阈值，通过暴力搜索和代换推导得到求解系统；S2.判断两个向量布尔函数F和G是否仿射等价，判定向量布尔函数F和G能否进行仿射等价的恢复：S3.用变量计算求解系统的解空间，求出布尔函数对应矩阵，通过矩阵的秩对解的结构进行分析。

全文数据：

权利要求：

百度查询： 广州大学 基于机器学习的函数等价关系判断方法

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