“陆玉虎”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果10个，建议您升级VIP下载更多相关专利

[发明专利]基于高斯玻色采样的单向函数设计方法及其密码验证方法-CN202010620682.1有效
发明人：石金晶;赵童格;陆玉虎;王雯萱;施荣华 -专利权人：中南大学
申请日： 2020-07-01 - 公布日： 2023-10-03 - 主分类号： H04L9/08 文献下载
摘要：本发明公开了一种基于高斯玻色采样的单向函数设计方法，包括确定单向函数的输入值；通过g算法将输入值进行引申得到标准输入；确定高斯玻色采样所采用的线性光学网络；确定高斯玻色采样的粗粒化输出结果；采用后处理g算法将最大概率条目的标签重新排列；将标签序列进行编码得到单向函数的输出。本发明还公开了包括所述基于高斯玻色采样的单向函数设计方法的密码验证方法。本发明通过采用高斯玻色采样及其粗粒化过程，由输入可以很容易得到输出，而由输出逆推输入是很困难的，因此实现了单向函数的功能，而且本发明方法简单快捷，单向性好，可靠性高，效率也较高。
基于高斯玻色采样单向函数设计方法及其密码验证

[发明专利]一种基于Grover算法的肺部CT图像分割方法-CN202310727491.9在审
发明人：石金晶;袁冰洁;陆玉虎;肖子萌 -专利权人：中南大学
申请日： 2023-06-20 - 公布日： 2023-08-22 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于Grover算法的肺部CT图像分割方法，包括获取待分割的肺部CT灰度图像，通过构建无向加权图，将灰度图像的待分割问题转换为最大切割Max‑Cut问题；构建Max‑Cut问题目标函数，采用量子方法将最大切割Max‑Cut问题转换为多项式最值求解的问题；通过Grover算法进行多项式最大值求解；采用求解得到的最大值，通过设置阈值的方法，获取图像分割方案，完成对肺部CT灰度图像的分割处理；本发明方法充分利用量子系统的并行计算优势，能够在一次计算中处理多个计算结果，显著地提高了分割的实时性；而且本发明方法的通用性好、适用性广泛、计算效率提高。
一种基于 grover 算法肺部 ct 图像分割方法

[发明专利]一种超声波纸盒成型设备-CN202210544428.7在审
发明人：丁春枫;陆玉虎 -专利权人：合肥远传包装科技有限公司
申请日： 2022-05-18 - 公布日： 2022-07-29 - 主分类号： B31B50/00 文献下载
摘要：本发明涉及纸盒成型机技术领域，具体公开了一种超声波纸盒成型设备。该超声波纸盒成型设备包括支撑架以及设于支撑架上的传输装置、堆纸装置、吸料装置、成型装置和超声波焊接装置。其中，传输装置上沿纸片和纸盒的传输方向依次设置有上料工位、成型工位、收集工位和下料工位。本发明中通过该超声波纸盒成型设备能够实现纸片成型为纸盒的自动化，且利用超声波振动摩擦发热原理进行粘盒，能够避免直接使用胶粘成型时的开胶问题，同时，利用超声波振动摩擦发热原理能够使模具不用进行长期发热，且纸盒成型停留时间短，进而不会损伤产品，避免了产品的脱色或变色，进一步地增加了纸片的可适用种类。
一种超声波纸盒成型设备

[发明专利]哈希值计算方法及其数字签名方法-CN202110268773.8有效
发明人：石金晶;陆玉虎;冯艳艳;陈淑慧;施荣华 -专利权人：中南大学
申请日： 2021-03-12 - 公布日： 2022-06-17 - 主分类号： G06F21/64 文献下载
摘要：本发明公开了一种哈希值计算方法，包括构建基于分组粗粒化玻色采样的哈希函数的模型，包括构建生成算法、分组粗粒化玻色采样算法和洗牌算法；输入通过生成算法生成一系列符合玻色采样的输入；将结果分别输入到分组粗粒化玻色采样算法模型中得到一系列最大概率标签；使用洗牌算法对得到的结果进行打乱得到哈希值。本发明还公开了一种包括所述哈希值计算方法的字签名方法。本发明生成了一种基于物理系统的量子特性的密码学单向函数，安全高效地确认了数字签名的准确性和安全性，而且不会受到外界的攻击。
哈希值计算方法及其数字签名方法

[发明专利]基于参数化玻色采样的量子线路学习方法及图像模糊方法-CN202110277055.7有效
发明人：石金晶;唐涌泽;陆玉虎;冯艳艳;施荣华 -专利权人：中南大学
申请日： 2021-03-15 - 公布日： 2022-06-17 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于参数化玻色采样的量子线路学习方法，包括设计量子线路学习框架并准备输入态；设计参数化玻色采样量子线路；线路参数初始化；计算参数化玻色采样的酉变换并得到输出态，计算输出态中不同光子配置的概率排列组合概率分布并后处理；对比后处理的概率分布与目标概率分布并计算损失函数；根据损失函数更新线路参数；重复上述步骤得到训练后的概率分布。本发明还公开了包括所述基于参数化玻色采样的量子线路学习方法的图像模糊方法。本发明在玻色采样模型中引入参数化的结构，得到了如神经网络的参数化玻色采样模型，实现了函数拟合的功能，能够通过量子计算机对大数据时期的大量数据的处理和分析。
基于参数化玻色采样量子线路学习方法图像模糊方法

[实用新型]超声波立体成型机-CN202122578978.4有效
发明人：丁春枫;陆玉虎 -专利权人：合肥远传包装科技有限公司
申请日： 2021-10-26 - 公布日： 2022-05-13 - 主分类号： B31B50/07 文献下载
摘要：本实用新型公开了一种超声波立体成型机，包括机架、进纸装置、超声波成型装置、出料装置，所述机架包括机架上台面和骨架，所述进纸装置设置在机架的一端，所述出料装置设置在机架的另一端，所述超声波成型装置设置在进纸装置和出料装置之间，所述进纸装置包括上槽板、导纸杆、下撑板，所述超声波成型装置包括发射箱、焊头、压模、成型槽、成型支架，所述出料装置包括暂存箱、出料推杆、出料支架、出料开口，所述成型开口与出料开口之间设有转料装置，本实用新型超声波立体成型机，整体上具有噪音小、功耗低、结构简单、成型效率高等特点，运用了超声波成型的原理，极大地提高了设备的生产效率和适用范围，有着极高的实用性和推广意义。
超声波立体成型

[实用新型]一种纸杯生产用上胶装置-CN202122330462.8有效
发明人：丁春枫;陆玉虎 -专利权人：合肥远传包装科技有限公司
申请日： 2021-09-26 - 公布日： 2022-02-01 - 主分类号： B31B50/62 文献下载
摘要：本实用新型公开了一种纸杯生产用上胶装置，包括储胶桶，储胶桶上端设有端盖，端盖与储胶桶通过两个以上固定机构固定，储胶桶与空气压缩机通过连接管连接，连接管上安装有电磁阀和压力传感器，端盖上端安装有液位传感器，液位传感器伸入储胶桶内，储胶桶与出胶管一连接，出胶管一通过联通管一与电磁流量计的进液端固定连接，电磁流量计的出液端通过联通管二与出胶管二固定连接，出胶管二与出胶头固定连接，出胶管一上安装有控制阀，储胶桶、出胶管一、联通管一、电磁流量计的液体流通通道、联通管二、出胶管二、出胶头的内壁均设有特氟龙层。该纸杯生产用上胶装置可以保证每个纸杯的上胶量相同，且可实时监测储胶桶内胶水的量。
一种纸杯生产用上装置

[发明专利]基于连续变量量子神经网络的加解密方法-CN201910574143.6有效
发明人：石金晶;陈淑慧;冯艳艳;陆玉虎;施荣华 -专利权人：中南大学
申请日： 2019-06-28 - 公布日： 2021-05-07 - 主分类号： H04L9/08 文献下载
摘要：本发明公开了一种基于连续变量量子神经网络的加解密方法，包括更新连续变量量子神经网络；发送方和连续变量量子神经网络同步测量基；连续变量量子神经网络对发送方发送的明文进行判定和预处理后再发回给发送方；发送方在同步的测量基的基础上将预处理后的数据信息转换为二次明文并发送连续变量量子神经网络；连续变量量子神经网络对接收的信息加密并发送到接收方；接收方再将加密信息发送回连续变量量子神经网络进行解密并得到发送方发送的信息。本发明方法通过引入连续变量量子神经网络模型以及同步测量技术，实现了数据的加解密，而且本发明方法的可靠性高、安全性好且容易实现。
基于连续变量量子神经网络解密方法

[发明专利]基于玻色采样随机幺正操作的仲裁量子签名方法-CN202010001112.4有效
发明人：施荣华;冯艳艳;石金晶;唐涌泽;陈淑慧;陆玉虎 -专利权人：中南大学
申请日： 2020-01-02 - 公布日： 2021-05-07 - 主分类号： H04L9/32 文献下载
摘要：本发明公开了一种基于玻色采样随机幺正操作的仲裁量子签名方法，包括初始化阶段、签名阶段和验证阶段；初始化阶段用于制备密钥和建立通信系统；签名阶段用于选择合适的签名算法设计传输信息的签名；验证阶段用于验证签名者的有效性和原始信息的完整性和真实性。本发明在仲裁量子签名中设计传输信息的签名中采用基于玻色采样的幺正操作加密，采用基于图上的量子游走隐形传输转移m模量子态，用于隐形传输的必需纠缠态无需提前制备，公共信道和随机元组的雇用使得安全性更高，采用玻色采样模型和量子游走的隐形传输模型均已被证明可通过线性光学网络实现；因此本发明方法安全性高，节约资源且实验上易实现。
基于采样随机操作仲裁量子签名方法

[发明专利]基于量子孪生神经网络的二分类方法及其人脸识别方法-CN202010146730.8在审
发明人：石金晶;陆玉虎;陈鹭;冯艳艳;陈淑慧;施荣华 -专利权人：中南大学
申请日： 2020-03-05 - 公布日： 2020-07-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于量子孪生神经网络的二分类方法，包括设定分类模型的输入数据；构建量子神经网络模型、量子孪生神经网络模型和用于训练的损失函数模型；根据损失函数模型对量子孪生神经网络模型进行学习和训练并得到最终的量子孪生神经网络分类模型；采用量子孪生神经网络分类模型对待分类的数据进行二分类。本发明还公开了包括所述基于量子孪生神经网络的二分类方法的人脸识别方法。本发明提供的这种基于量子孪生神经网络的二分类方法及其人脸识别方法，通过采用量子孪生神经网络对数据进行二分类，实现了数据的快速二分类，而且本发明方法简单快捷，可靠性高，精确性好。
基于量子孪生神经网络分类方法其人识别

1
共 10 条