会员服务
TWC · 区块链 · Processing（编程语言） · 基 · 收缩 ·
2019 年 6 月 7 日
Transwarp Conduit: Interoperable Blockchain Application Framework
翻译：Transwarp 管道:可互操作的供应链应用框架
Shidokht Hejazi-Sepehr,Ross Kitsis,Ali Sharif
Shidokht Hejazi-Sepehr,Ross Kitsis,Ali Sharif

Transwarp-Conduit (TWC) is a protocol for message transfers between two smart-contract enabled blockchains. Furthermore, we specify an application framework (leveraging the TWC protocol) that enables developers to define arbitrarily complex cross-blockchain applications, simply by deploying framework-compliant smart contracts and hosting a TWC node (daemon process).The TWC protocol is implementable without additional effort on part of the base blockchain protocol.


翻译：Transwarp-Conduit(Transwarp-Conduit)(TWC)是两个智能合同启用的块链之间的电文传输协议,此外,我们具体规定了一个应用框架(利用TWC协议),使开发商能够仅仅通过部署符合框架的智能合同和托管TPC节点(守护程序)来定义任意复杂的块链应用程序。
0
下载
关闭预览

相关内容

TWC：IEEE Transactions on Wireless Communications。 Explanation：关于无线通信的IEEE事务。 Publisher：IEEE。 SIT：http://dblp.uni-trier.de/db/journals/twc/
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
238+阅读 · 2020年4月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18日
知识图谱与语义理解，百度研究院王海峰院长，CCKS-2019：知识智能
知识图谱与语义理解，百度研究院王海峰院长，CCKS-2019：知识智能
专知会员服务
57+阅读 · 2019年10月25日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
53+阅读 · 2019年10月17日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
专知会员服务
64+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
知识图谱本体结构构建论文合集
知识图谱本体结构构建论文合集
专知会员服务
102+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
IEEE | DSC 2019诚邀稿件 (EI检索)
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文推荐】最新七篇知识图谱相关论文—嵌入式知识、Zero-shot识别、知识图谱嵌入、网络库、变分推理、解释、弱监督
【论文推荐】最新七篇知识图谱相关论文—嵌入式知识、Zero-shot识别、知识图谱嵌入、网络库、变分推理、解释、弱监督
专知
19+阅读 · 2018年3月26日
人工智能 | 国际会议截稿信息9条
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
人工智能 | 国际会议截稿信息5条
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22日
【今日新增】IEEE Trans.专刊截稿信息8条
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Interpretable CNNs for Object Classification
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
Heterogeneous Graph Transformer
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
A survey on Semi-, Self- and Unsupervised Techniques in Image Classification
A survey on Semi-, Self- and Unsupervised Techniques in Image Classification
Arxiv
100+阅读 · 2020年2月20日
Summit: Scaling Deep Learning Interpretability by Visualizing Activation and Attribution Summarizations
Summit: Scaling Deep Learning Interpretability by Visualizing Activation and Attribution Summarizations
Arxiv
4+阅读 · 2019年9月2日
A Comprehensive Survey on Graph Neural Networks
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Interpretable machine learning: definitions, methods, and applications
Interpretable machine learning: definitions, methods, and applications
Arxiv
18+阅读 · 2019年1月14日
Learning with Interpretable Structure from RNN
Arxiv
19+阅读 · 2018年10月25日
Interpretable Convolutional Neural Networks via Feedforward Design
Interpretable Convolutional Neural Networks via Feedforward Design
Arxiv
4+阅读 · 2018年10月5日
Learning Conditioned Graph Structures for Interpretable Visual Question Answering
Arxiv
4+阅读 · 2018年6月20日
Interpretable Convolutional Neural Networks
Arxiv
21+阅读 · 2018年2月14日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
TWC
区块链
Processing（编程语言）
基
收缩
相关VIP内容
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
238+阅读 · 2020年4月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18日
知识图谱与语义理解，百度研究院王海峰院长，CCKS-2019：知识智能
知识图谱与语义理解，百度研究院王海峰院长，CCKS-2019：知识智能
专知会员服务
57+阅读 · 2019年10月25日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
53+阅读 · 2019年10月17日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
专知会员服务
64+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
知识图谱本体结构构建论文合集
知识图谱本体结构构建论文合集
专知会员服务
102+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
IEEE | DSC 2019诚邀稿件 (EI检索)
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【论文推荐】最新七篇知识图谱相关论文—嵌入式知识、Zero-shot识别、知识图谱嵌入、网络库、变分推理、解释、弱监督
【论文推荐】最新七篇知识图谱相关论文—嵌入式知识、Zero-shot识别、知识图谱嵌入、网络库、变分推理、解释、弱监督
专知
19+阅读 · 2018年3月26日
人工智能 | 国际会议截稿信息9条
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
人工智能 | 国际会议截稿信息5条
人工智能 | 国际会议截稿信息5条
Call4Papers
6+阅读 · 2017年11月22日
【今日新增】IEEE Trans.专刊截稿信息8条
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
相关论文
Interpretable CNNs for Object Classification
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
Heterogeneous Graph Transformer
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
A survey on Semi-, Self- and Unsupervised Techniques in Image Classification
A survey on Semi-, Self- and Unsupervised Techniques in Image Classification
Arxiv
100+阅读 · 2020年2月20日
Summit: Scaling Deep Learning Interpretability by Visualizing Activation and Attribution Summarizations
Summit: Scaling Deep Learning Interpretability by Visualizing Activation and Attribution Summarizations
Arxiv
4+阅读 · 2019年9月2日
A Comprehensive Survey on Graph Neural Networks
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Interpretable machine learning: definitions, methods, and applications
Interpretable machine learning: definitions, methods, and applications
Arxiv
18+阅读 · 2019年1月14日
Learning with Interpretable Structure from RNN
Arxiv
19+阅读 · 2018年10月25日
Interpretable Convolutional Neural Networks via Feedforward Design
Interpretable Convolutional Neural Networks via Feedforward Design
Arxiv
4+阅读 · 2018年10月5日
Learning Conditioned Graph Structures for Interpretable Visual Question Answering
Arxiv
4+阅读 · 2018年6月20日
Interpretable Convolutional Neural Networks
Arxiv
21+阅读 · 2018年2月14日
Top
微信扫码咨询专知VIP会员
Top