根据encoder-decoder方法设置加解密模型:
假如输入X是明文,c是密文,y是解密后的密文,那么我们可以给样本(x=y)对网络进行训练,最终得到加密器和解密器,也就是其中的encoder和decoder。

但相同的是循环神经网络除了拥有神经网络都有的一些共性元素之外,它总要在一个地方体现出“循环“,而根据“循环“体现方式的不同和输入输出的变化就形成了多种RNN结构。
本文探讨了如何使用encoder-decoder方法训练加解密模型,特别关注循环神经网络(RNN)在其中的应用,强调了RNN的循环特性以及不同结构对输入输出的影响。
根据encoder-decoder方法设置加解密模型:
假如输入X是明文,c是密文,y是解密后的密文,那么我们可以给样本(x=y)对网络进行训练,最终得到加密器和解密器,也就是其中的encoder和decoder。

但相同的是循环神经网络除了拥有神经网络都有的一些共性元素之外,它总要在一个地方体现出“循环“,而根据“循环“体现方式的不同和输入输出的变化就形成了多种RNN结构。
1024
6469
1033
158
851
549

被折叠的 条评论
为什么被折叠?