7、椭圆曲线的扭点与除多项式:理论与应用

椭圆曲线的扭点与除多项式:理论与应用

1. 椭圆曲线相关映射与性质

设 (A, B \in R),且存在 (r \in R) 使得 ((4A^3 + 27B^2)r - 1 \in I)。此时,映射 (\text{red}_I: E(R) \to E(R/I)),((x : y : z) \to (x : y : z) \mod I) 是一个群同态。证明过程与推论 2.33 类似,只是将 (Z) 替换为 (R),(\mod n) 替换为 (\mod I)。条件 ((4A^3 + 27B^2)r - 1 \in I) 意味着 (4A^3 + 27B^2) 是 (R/I) 中的单位,这是在环 (R/I) 上定义椭圆曲线所必需的。

2. 椭圆曲线相关练习
  • 练习 2.1
    • (a)部分 :证明首一三次多项式的常数项是其根的乘积的相反数。
    • (b)部分 :利用 (a) 部分的结论,推导当两个不同点 (P_1, P_2) 的 (x) 坐标 (x_1) 和 (x_2) 非零时,它们的和的公式。需注意,当其中一个坐标为 0 时,使用常规公式会涉及除以零的情况。
  • 练习 2.2 :点 ((3, 5)) 位于定义在 (Q) 上的椭圆曲线 (E: y^2 = x^3 - 2) 上,求 (E(Q)) 中一个具有有理非整数坐标的点(非无穷远点)。
  • 练习 2.3 :点 (P =
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值