Recently, minimal linear codes have been extensively studied due to their applications in secret sharing schemes, two-party computations, and so on. Constructing minimal linear codes violating the Ashikhmin-Barg condition and determining their weight distributions have been an interesting research topic in coding theory and cryptography. In this paper, basing on exponential sums and Krawtchouk polynomials, we first prove that $g_{(m,k)}$ in \cite{Heng-Ding-Zhou}, which is the characteristic function of some subset in $\mathbb{F}_3^m$, can be generalized to be $f{(m,k)}$ for obtaining a minimal linear code violating the Ashikhmin-Barg condition; secondly, we employ $\overline{g}_{(m,k)}$ to construct a class of ternary minimal linear codes violating the Ashikhmin-Barg condition, whose minimal distance is better than that of codes in \cite{Heng-Ding-Zhou}.


翻译:最近,由于在秘密共享计划、两党计算等应用中应用了最低线性代码,因此对最低线性代码进行了广泛研究。 建立违反Ashikhmin-Barg条件的最低限度线性代码并确定其重量分布,是编码理论和加密学中一个有趣的研究课题。 在本论文中,我们首先证明,在\cite{Heng-Ding-Zhou}中,以指数和Krawtchouk多元数字为基础,美元(m,k)$(m,k)$($)($-cite{Heng-Ding-Zhou})是某些子子($_mathb{F}3 ⁇ (m,k)$($)($)($)($)($)(m,k)($)($)(m)(m)(k)($)($)(g)(m)($)($_(m)(m)(k)($)($-cite{Heng-Darg)($)($)($)($)($)($-Barg)($)($($)($)($)($)($)(t)($)($)($)($)(t)(t)($)($)($)(t)($)($)($)($)($)($)($)($)(t)(t)(t)(t)($)(t)($)($)($)($)($)($)($)($)(t)($)($)($))($)($)($)($))))($)($)($)($)($)($)($)(t)($)(t)($)($)))($)($)($)($)($)($)($)($)($)($)($)($)($)($)($)($)($)($)($)($)($)($)($)(

0
下载
关闭预览

相关内容

专知会员服务
88+阅读 · 2021年6月29日
Google-EfficientNet v2来了!更快,更小,更强!
专知会员服务
18+阅读 · 2021年4月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
3+阅读 · 2018年8月21日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
0+阅读 · 2021年9月13日
Arxiv
0+阅读 · 2021年9月12日
Arxiv
0+阅读 · 2021年9月9日
VIP会员
相关VIP内容
专知会员服务
88+阅读 · 2021年6月29日
Google-EfficientNet v2来了!更快,更小,更强!
专知会员服务
18+阅读 · 2021年4月4日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
3+阅读 · 2018年8月21日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员