会员服务
2021 年 11 月 16 日
An analogue of the ElGamal scheme based on the Markovski algorithm
翻译：以 Markovski 算法为基础的 ElGamal 计划的类比
Nadeghda Malyutina,Victor Shcherbacov
Nadeghda Malyutina,Victor Shcherbacov
from arxiv, 10 pages

We give an analogue of the ElGamal encryption system based on the Markovski algorithm [4; 5].


翻译：我们给以马科夫斯基算法为基础的ElGamal加密系统的类比[4;5]。
0
下载
关闭预览

相关内容

Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
76+阅读 · 2020年7月26日
【ICML2020】噪声在随机梯度下降中的泛化效益，On the Generalization Benefit of Noise in Stochastic Gradient Descent
【ICML2020】噪声在随机梯度下降中的泛化效益，On the Generalization Benefit of Noise in Stochastic Gradient Descent
专知会员服务
17+阅读 · 2020年6月29日
【KDD2020】CAST:一种基于相关关系的多尺度数据自适应光谱聚类算法,CAST: A Correlation-based Adaptive Spectral Clustering Algorithm on Multi-scale Data
【KDD2020】CAST:一种基于相关关系的多尺度数据自适应光谱聚类算法,CAST: A Correlation-based Adaptive Spectral Clustering Algorithm on Multi-scale Data
专知会员服务
19+阅读 · 2020年6月11日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
8+阅读 · 2019年10月24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
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
168+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
【ICML 2019 Tutorials】算法配置：算法设计空间中的学习（Algorithm configuration: learning in the space of algorithm designs），德国弗莱堡大学（University of Freiburg）教授| Frank Hutter，不列颠哥伦比亚大学 (University of British Columbia)| Kevin Leyton Brown
【ICML 2019 Tutorials】算法配置：算法设计空间中的学习（Algorithm configuration: learning in the space of algorithm designs），德国弗莱堡大学（University of Freiburg）教授| Frank Hutter，不列颠哥伦比亚大学 (University of British Columbia)| Kevin Leyton Brown
专知会员服务
7+阅读 · 2019年6月10日
LibRec 精选：AutoML for Contextual Bandits
LibRec 精选：AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19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
25+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
A generalization of the randomized singular value decomposition
Arxiv
0+阅读 · 2022年1月21日
Estimating the Lasso's Effective Noise
Arxiv
0+阅读 · 2022年1月21日
Non Asymptotic Bounds for Optimization via Online Multiplicative Stochastic Gradient Descent
Arxiv
0+阅读 · 2022年1月20日
A dynamic programming algorithm for finding an optimal sequence of informative measurements
Arxiv
0+阅读 · 2022年1月20日
Communication-Efficient Device Scheduling for Federated Learning Using Stochastic Optimization
Arxiv
0+阅读 · 2022年1月19日
Dyna-T: Dyna-Q and Upper Confidence Bounds Applied to Trees
Arxiv
0+阅读 · 2022年1月19日
Randomized Gram-Schmidt process with application to GMRES
Arxiv
0+阅读 · 2022年1月18日
On the minimax rate of the Gaussian sequence model under bounded convex constraints
Arxiv
0+阅读 · 2022年1月18日
Escape saddle points by a simple gradient-descent based algorithm
Arxiv
4+阅读 · 2021年11月28日
Together or Alone: The Price of Privacy in Collaborative Learning
Arxiv
4+阅读 · 2018年2月28日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
相关VIP内容
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
76+阅读 · 2020年7月26日
【ICML2020】噪声在随机梯度下降中的泛化效益，On the Generalization Benefit of Noise in Stochastic Gradient Descent
【ICML2020】噪声在随机梯度下降中的泛化效益，On the Generalization Benefit of Noise in Stochastic Gradient Descent
专知会员服务
17+阅读 · 2020年6月29日
【KDD2020】CAST:一种基于相关关系的多尺度数据自适应光谱聚类算法,CAST: A Correlation-based Adaptive Spectral Clustering Algorithm on Multi-scale Data
【KDD2020】CAST:一种基于相关关系的多尺度数据自适应光谱聚类算法,CAST: A Correlation-based Adaptive Spectral Clustering Algorithm on Multi-scale Data
专知会员服务
19+阅读 · 2020年6月11日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
8+阅读 · 2019年10月24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
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
168+阅读 · 2019年10月11日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
【ICML 2019 Tutorials】算法配置：算法设计空间中的学习（Algorithm configuration: learning in the space of algorithm designs），德国弗莱堡大学（University of Freiburg）教授| Frank Hutter，不列颠哥伦比亚大学 (University of British Columbia)| Kevin Leyton Brown
【ICML 2019 Tutorials】算法配置：算法设计空间中的学习（Algorithm configuration: learning in the space of algorithm designs），德国弗莱堡大学（University of Freiburg）教授| Frank Hutter，不列颠哥伦比亚大学 (University of British Columbia)| Kevin Leyton Brown
专知会员服务
7+阅读 · 2019年6月10日
热门VIP内容
相关资讯
LibRec 精选：AutoML for Contextual Bandits
LibRec 精选：AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19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
25+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
A generalization of the randomized singular value decomposition
Arxiv
0+阅读 · 2022年1月21日
Estimating the Lasso's Effective Noise
Arxiv
0+阅读 · 2022年1月21日
Non Asymptotic Bounds for Optimization via Online Multiplicative Stochastic Gradient Descent
Arxiv
0+阅读 · 2022年1月20日
A dynamic programming algorithm for finding an optimal sequence of informative measurements
Arxiv
0+阅读 · 2022年1月20日
Communication-Efficient Device Scheduling for Federated Learning Using Stochastic Optimization
Arxiv
0+阅读 · 2022年1月19日
Dyna-T: Dyna-Q and Upper Confidence Bounds Applied to Trees
Arxiv
0+阅读 · 2022年1月19日
Randomized Gram-Schmidt process with application to GMRES
Arxiv
0+阅读 · 2022年1月18日
On the minimax rate of the Gaussian sequence model under bounded convex constraints
Arxiv
0+阅读 · 2022年1月18日
Escape saddle points by a simple gradient-descent based algorithm
Arxiv
4+阅读 · 2021年11月28日
Together or Alone: The Price of Privacy in Collaborative Learning
Arxiv
4+阅读 · 2018年2月28日
Top
微信扫码咨询专知VIP会员
Top