小编Eli*_*TUM的帖子

我之前已经使用过神经网络,并且了解了大多数关于它们的基础知识.我特别喜欢常规的多层感知器.有人问我以下是否有可能并且不知何故感到挑战掌握问题:)

情况

假设我有一个可以加密和解密常规ASCII编码文件的程序.我根本不知道具体的加密方法和使用的密钥.我所知道的是,该程序可以反转加密,从而读取原始内容.

我想要的是？

现在我的问题是:你认为有可能训练(某种类型)神经网络,它可以用可接受的努力复制精确的解密算法吗？

到目前为止我的想法和工作

我对加密没有多少经验.有人建议只假设AES加密,所以我可以编写一个小程序来批量加密ASCII编码文件.因此,这将涵盖用于监督学习的学习数据的收集.使用加密文件输入神经网络和原始文件作为训练数据,我可以训练任何网络.但是现在我被卡住了,你会建议如何将输入和输出数据输入神经网络.那么你们会使用多少输入输出神经元？由于我不知道加密文件会是什么样子,因此以二进制形式传递数据可能是最好的主意.但我不能只使用数千个输入和输出神经元并同时传递所有位.也许经常性的网络和一个接一个的馈送？听起来也不是很有效.

另一个问题是,你不能部分解密 - 这意味着你不能大致正确.你要么做得对不对.换句话说,最后净误差必须为零.根据我迄今为止使用ANN所经历的情况,这对于大型网络来说几乎是不可能实现的.这个问题可以解决吗？

我有以下问题,只能部分解决它.我正在使用XCode 3.2.5,为iOS 4+开发.

我只是尝试创建一个预定义大小的图像,操纵它上面的像素,然后在UIImageView中显示图像.我的观点包括连接到的简单Button和名为"buttonClicked"的IBAction以及名为"qrImage"的UIImageView,并设置为"IBOutlet".我使用以下代码:

头文件:myClassViewController.h

#import <UIKit/UIKit.h>

@interface myClassViewController : UIViewController
{
    IBOutlet UIImageView *qrImage;
}

@property (nonatomic, retain) UIImageView   *qrImage;

- (IBAction) buttonClicked;
- (UIImage*) drawQRImage;

@end

Main-File myClassViewController.m

#import "myClassViewController.h"
#include <math.h>

@implementation myClassViewController
@synthesize qrImage;


-(UIImage*) drawQRImage
{
    // load Image
    //
    UIImage *image              = [UIImage imageNamed:@"blank.png"];    
    CGImageRef imageRef         = image.CGImage;
    NSData *data                = (NSData *) CGDataProviderCopyData(CGImageGetDataProvider(imageRef));
    char *pixels                = (char *)[data bytes];

    unsigned long int startPixel, pixelNr;


    // manipulate the individual pixels
    //
    size_t width                = …

我正在尝试使用边条件(在MatLab中)从相机图片中的2D像素坐标重建3D坐标.我确实有外在和内在的相机参数.

使用同质变换,我可以将3D坐标从最初的世界坐标系转换为我的相机坐标系.所以我在变换矩阵R_world_to_Camera中有我的外部参数:

R_world_to_Camera = [ r_11, r_12, r_13, t1;
r_21, r_22, r_23, t2;
r_31, r_32, r_33, t3;
0, 0, 0, 1];

对于内在参数,我使用了加州理工学院的"MatLab相机校准工具箱"并获得了以下参数:

Calibration results (with uncertainties): 

 Focal Length:          fc = [ 1017.21523   1012.54901 ] ± [ NaN   NaN ] 
 Principal point:       cc = [ 319.50000   239.50000 ] ± [ NaN   NaN ] 
 Skew:             alpha_c = [ 0.00000 ] ± [ NaN  ]   => angle of pixel axes = 90.00000 ± NaN degrees 
 Distortion:            kc = [ 0.00000   0.00000   0.00000   0.00000 …