dghv运行配置不完全笔记

本文介绍了如何在Linux环境下搭建全同态加密实验平台,并详细记录了解决过程中遇到的问题及解决方案,包括Sage数学库的安装配置及依赖项的处理。

毕业课题做全同态加密,通过搜索关键词“dghv code”可以在google的结果中找到  共享在github上的代码 https://github.com/coron/fhe 。

代码是运行在linux系统下的,需要一个名为Sage的数学库支持,现在最新的数学库是5.10版本的,代码是在4.7.2版本下写的,尝试在5.10版本下运行代码,将会得到错误提示。

下载4.7.2版本的tar包( http://www.sagemath.org/src-old/ ),由于是旧版本,需要自行编译(安装提示: http://www.sagemath.org/doc/installation/source.html ),之前需要安装g++、m4等依赖包,大概编译了1个多小时提示error,原因出在安装linbox的问题上。

提示的版本为1.1.6.p3,在网上搜索发现1.1.6有bug,遂尝试下载1.1.7版本(点击打开链接),按照安装说明安装相应依赖包。


其他:

学习到的一些linux相关知识:

make出问题很可能是依赖包的问题

apt-cache search gmp 搜索当前源包含gmp关键字的包

dpkg -s libgmp10 报告libgmp10的状态,其中dpkg是debian package的缩写

make install 的时候有时候需要管理员权限,sudo

find / -name gmp.h 查找

编译gmp的时候需要加上--enable-cxx(./configure --enable-cxx )

dpkg -l | grep -i gmp 查找已经安装的包含(-i:忽略大小写)gmp的包

apt-get remove libgmp10 libgmpxx4ldbl 删除两个包

apt-get remove --purge softname1.. 卸载并清除配置

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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