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。