1) Montgomery modular inverse
Montgomery 逆算法
1.
After a comprehensive investigation of the Montgomery modular inverse algorithm and its refined versions, we present two modified high radix algorithms.
本文通过对 Montgomery 逆算法核心部分的改进,得到两种分别以4为基和8为基的优化算法。
2) Montgomery algorithm
Montgomery算法
1.
Montgomery algorithm on elliptic curves over finite fields of character three;
特征3有限域上椭圆曲线的Montgomery算法
2.
Works at the common generating algorithms,that is,certain generating algorithms and probabilistic generating algorithms,and demonstrates a programming algorithm based on Miller-Rabin algorithm improved by Montgomery algorithm and Pocklington .
文中在研究了密钥生成的一般算法的基础上,即确定性素数产生和概率性素数产生方法,给出了利用Montgomery算法优化的Miller-Rabin算法和Pocklington定理算法实现,构造了大素数的生成算法,以提高RSA算法的安全性和运行速度。
3.
Montgomery algorithm is a fast modular multiplication algorithm and is widely used in the base operation of public-key cryptography algorithms such as RSA and ElGamal.
Montgomery算法作为一种快速模乘算法,常被应用于RSA、ElGamal等公钥密码算法的基本运算。
3) montgomery inversion
Montgomery模逆
4) Montgomery multiplication
Montgomery模乘算法
1.
This paper proposes a modified multiple-word radix-2k Montgomery multiplication(MWR2kMM) algorithm with its corresponding VLSI architecture.
在改进基于字的Montgomery模乘算法的基础上,通过优化流水线结构缩短关键路径,实现了一种结构优化的模乘器。
2.
This paper presents an optimized architecture of a scalable radix-4 modular multiplier,based on radix-4 Montgomery multiplication algorithm and improved pipeline architecture.
基于基为4的Montgomery模乘算法和改进的流水线组织结构,文章提出了一种结构优化的可扩展模乘运算器结构。
5) Montgomery square
Montgomery平方算法
6) Montgometry's sieve
Montgomery 筛法
补充资料：逆推学习算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条