专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果39个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于变分量子计算的多分类方法及装置-CN202310518690.9在审
  • 刘明哲;周杰;李冬芬;唐小川;杨小龙;谭玉乔;周让 - 成都理工大学
  • 2023-05-10 - 2023-09-15 - G06F18/2431
  • 本发明公开了一种基于变分量子计算的多分类方法,包括待分类的经典数据预处理;将特征数据采用量子振幅编码方式编码为量子数据,同时使用log2L个量子比特表示L个分类标签,将分类标签转换为二进制形式的标签态;将编码的量子数据输入变分量子电路模型中进行训练,采用交换测试电路计算输出态和标签态之间的保真度来优化变分量子电路模型的内部参数;在训练完成后通过测量输出态实现对经典数据的分类。本发明使用多粒子态表示分类标签,将需要的辅助粒子数量从L降低至log2L,压缩了辅助粒子的数量,有效地降低了电路宽度,保证分类准确率的同时降低了系统复杂度,减少了量子资源消耗,解决了在量子多分类器场景中产生的决策边界问题。
  • 一种基于量子计算分类方法装置
  • [发明专利]一种未知七粒子态的量子隐形传态方法-CN202310681546.7在审
  • 李冬芬;郑云丹;谭玉乔;刘明哲;唐小川;周让;周杰;杨小龙;刘晓芳 - 成都理工大学
  • 2023-06-09 - 2023-09-12 - H04L9/08
  • 本发明公开了一种未知七粒子态的量子隐形传态方法,包括发送方对未知七粒子态|τabcdefg进行变形,变形为量子态|τaf和|00000cdebg的直积态,并构建四粒子纠缠态信道|φ1234;发送方对粒子对(a,1)和(f,2)分别执行CNOT门操作,粒子1和2为目标位,粒子a和f为控制位;发送方对粒子a和f执行H门操作;发送方在Z基上对粒子a、f、1、2进行单粒子测量,并将测量结果通过经典信道发送给接收方;接收方根据发送方的信息选择合适的幺正操作并引入辅助粒子重构未知七粒子态。本发明采用四粒子纠缠态来实现未知七粒子态的量子隐形传态,传输的粒子数量更多,实现过程的操作简单高效,传输效率更高,并且无需第三方介入,极大地节约了资源。
  • 一种未知粒子量子隐形方法
  • [发明专利]一种多价值链演化的训练预测方法、系统及存储介质-CN202310580677.6在审
  • 唐小川;刘鑫;王宇;李莹莹;胡强;李冬芬;樊超 - 成都理工大学
  • 2023-05-22 - 2023-08-04 - G06N3/098
  • 本发明提供了一种多价值链演化的训练预测方法、系统及存储介质,包括:基于客户端及其相邻客户端的本地原始数据生成节点的特征向量,各客户端所在节点的特征向量和节点信息构成了分布式时序图数据;计算当前时刻分布式联邦时序图神经网络模型的局部网络参数,并将局部网络参数发送至服务器,客户端预先建立有分布式联邦时序图神经网络模型;服务器根据局部网络参数获得全局网络参数并广播给所有客户端;客户端利用全局网络参数更新分布式联邦时序图神经网络模型的网络参数,分布式联邦时序图神经网络模型接收下一时刻的分布式时序图数据进行学习,输出下一时刻边的预测值。因此,能够预测多价值链中公司间未来的关系以及某公司是否在走向消亡。
  • 一种价值链演化训练预测方法系统存储介质
  • [发明专利]一种U盘病毒的发现方法及其应用工具-CN202210366117.6有效
  • 李冬芬;陈湜;刘明哲;周杰;杨小龙;谭玉乔;刘晓芳;郑云丹 - 成都理工大学
  • 2022-04-08 - 2023-07-18 - G06F21/56
  • 本发明公开了一种U盘病毒的发现方法及其应用工具,包括:获取每个进程对U盘的文件操作记录;针对每个进程对U盘的所有文件操作记录,均执行:对该进程对U盘的所有文件操作记录进行安全性评估;根据评估的不同结果,即安全评估合格和安全评估不合格分别进行相应的处置;对于安全评估合格的进程,均允许所述进程的文件操作行为;对于安全评估不合格的进程,均执行:撤销对U盘的文件操作更改;处置相应的进程;根据进程对U盘的文件操作,对所有存储介质中相关联的文件进行处置。本发明通过对所有进程对U盘的文件操作进行安全性评估及相应处置,不仅及时发现了病毒,而且对病毒进行了彻底的清除,降低了U盘病毒对网络空间的危害。
  • 一种病毒发现方法及其应用工具
  • [发明专利]一个基于区块链的数据多备份可搜索加密系统及方法-CN202310062011.1在审
  • 周让;杨可;李冬芬;张辉;唐小川;刘明哲 - 成都理工大学
  • 2023-01-16 - 2023-06-23 - G06F21/60
  • 本发明公开了一个基于区块链的数据多备份可搜索加密系统及方法,包括用于执行系统初始化、审批数据提供方和用户的注册请求、部署区块链合约和相应节点、分发密钥的系统管理员;用于提出数据标签、加密数据并上传到区块链、对发生恶意欺诈行为的服务器进行追责的数据提供方;发送搜索请求、预支付搜索费用的用户;由多个云服务器组成的云服务端;由智能合约和对应部署节点组成,用于保证用户和云服务端之间公平交易的区块链。与现有技术相比,通过采用多服务器对数据进行备份,使用区块链和智能合约的内部公平性和不可抵赖性对用户和服务端的欺诈行为进行处罚,保障了交易双方资金的公平流动,避免用户存储数据单一故障问题,保障了用户搜索过程中的公平性和搜索结果的有效性。
  • 一个基于区块数据备份搜索加密系统方法
  • [发明专利]一种基于图神经网络会话序列推荐方法及系统-CN202010789843.X有效
  • 李冬芬;王惠明;刘明哲;钟豪;王林平;唐小川 - 成都理工大学
  • 2020-08-07 - 2023-06-16 - G06F16/9535
  • 本发明公开了一种基于图神经网络会话序列推荐方法及系统,方法包括:从第三方新闻库爬取新闻源数据,进行清洗和深度分析,输出结构化数据;从数据库和用户属性表中提取新闻标签和用户属性,并将其向量化,经过计算得出与该用户属性最相近的新闻推荐;为用户提供个性化的标签选项,并且实时监测用户行为并反馈数据回传至模型;获取用户行为数据,对获取数据进行分析和筛选,并将筛选后的数据构建为会话序列数据;利用用户会话序列数据来训练GNN模型,预测用户下一时刻行为,实现新闻推荐。本发明还提供一种基于图神经网络会话序列推荐系统。本方案采用基于内容的推荐策略,并将协同过滤算法作为补充,更敏捷地捕捉用户的兴趣点并实时进行新闻推荐。
  • 一种基于神经网络会话序列推荐方法系统
  • [发明专利]基于决策树的量子通信方法-CN202211455561.1在审
  • 李冬芬;郑云丹;刘晓芳;刘明哲;唐小川;周让;周杰;杨小龙;谭玉乔 - 成都理工大学
  • 2022-11-21 - 2023-05-16 - H04L9/08
  • 本发明公开了一种基于决策树的量子通信方法,包括采集通信者信息从中提取所需的特征信息,将特征信息数据化后训练决策树预测模型,输出通信者的等级;采用交叉验证和重采样评价训练后的决策树预测模型,并进行模型优化;通信时按照决策树预测模型输出的通信者等级为其配置相应的信道粒子,开始通信;针对不同等级的接收者配置对应的测量操作,在执行测量操作之后将结果通过经典信道告诉接收者;接收者收到测量结果后,对塌缩态执行幺正操作重构信息态。本发明利用了机器学习中的决策树算法对通信者进行划分评级,实现通信者的等级判断,从而为相应等级的通信者分配匹配的信道粒子数,解决了信道粒子的分配问题,节省了量子资源,提高了通信效率。
  • 基于决策树量子通信方法
  • [发明专利]一种受控双向量子隐形传态的方法-CN202211455857.3在审
  • 李冬芬;杨小龙;周杰;谭玉乔;周让;唐小川;郑云丹;刘晓芳 - 成都理工大学
  • 2022-11-21 - 2023-04-07 - H04B10/70
  • 本发明公开了一种受控双向量子隐形传态的方法,涉及量子通信技术领域,包括:通信双方通过共享六粒子纠缠信道|Ψ123456实现受控双向量子隐形传态,粒子1,3,5属于第一通信方,粒子2,4,6属于第二通信方;在分发通信双方制备的量子态前,随机选取若干个诱导粒子混入量子态中;当第二通信方接收到分发的量子态后,第一通信方通知第二通信方诱导粒子的位置以及在对应基上的第一测量结果,之后第二通信方对诱导粒子作测量得到第二测量结果,并将第二测量结果与第一测量结果作对比,设定对比错误阈值,通过将对比错误率和对比错误阈值进行比较,确认是否存在窃听者。本发明安全性极好,能及时确定是否存在窃听者,且哪怕发生了噪声干扰,也可以确定是否存在窃听者。
  • 一种受控双向量子隐形方法
  • [发明专利]一种基于纵向联邦学习的协同训练方法、装置及存储介质-CN202211426334.6在审
  • 唐小川;王宇;周馨;胡强;李冬芬;周让 - 成都理工大学
  • 2022-11-14 - 2023-03-07 - G06N20/20
  • 本发明提供了基于纵向联邦学习的协同训练方法、装置及存储介质,拆分神经网络包括位于每个客户端的子神经网络及位于服务器端的多个客户端特征融合神经网络及特征融合网络;通过客户端特征融合神经网络的输出结果和预测数据复用标签Y确定第一损失函数;基于第一损失函数调整好子神经网络及客户端特征融合神经网络后输出第一中间特征,特征融合网络基于多个第一中间特征确定特征融合神经网络的输出结果;基于特征融合神经网络的输出结果和预测数据复用标签Y确定第二损失函数;基于第二损失函数对拆分神经网络进行调整。实现了网络快速收敛;不必等待客户端数据同步;可动态扩展或删除客户端;鲁棒性更强,实现预测目标的精准预测。
  • 一种基于纵向联邦学习协同训练方法装置存储介质

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top