-
公开(公告)号：CN112348106B
公开(公告)日：2022-06-28
申请号：CN202011290015.8
申请日：2020-11-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于关键点学习的乳腺超声影像分类方法，首先将超声影像集预处理，将超声影像训练集划分为m个子集，并训练m‑1个基于神经网络的良恶性预测模型；然后根据BI‑RADS评级标准，给出6个关键点的学习方法，对输入的乳腺超声影像在每个模型上产生BI‑RADS评级的多级分类预测；最后利用投票产生BI‑RADS评级的多级分类预测结果，并调整相应的良恶性概率值，本发明解决了目前基于深度学习的乳腺超声肿瘤识别方法效果与可解释性平衡的技术问题。
-
公开(公告)号：CN112734043B
公开(公告)日：2021-11-05
申请号：CN202110020207.5
申请日：2021-01-07
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于深度学习的分段容错逻辑量子电路解码方法，所述解码方法包括：S1、将逻辑电路进行分段变体以满足容错性并得到对应容错变体线路并收集其内部纠错模块产生的诊断数据；S2、根据所述诊断数据构建内置有多分类数据模型的高效解码器，根据所述解码器和诊断数据找出最终纠错过程的恢复算子。本发明首次考虑了纠错模块本身的故障对量子容错电路的影响，并利用机器学习预测模型有效判断该模块造成的误差扩散事件；解码器有效的利用了分段容错变体线路不同纠错子模块的关联特点，增强了基于分段容错策略的通用量子计算方案的实用性，而无需使用资源消耗过多的魔法态蒸馏过程。
-
公开(公告)号：CN112348106A
公开(公告)日：2021-02-09
申请号：CN202011290015.8
申请日：2020-11-18
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于关键点学习的乳腺超声影像分类方法，首先将超声影像集预处理，将超声影像训练集划分为m个子集，并训练m‑1个基于神经网络的良恶性预测模型；然后根据BI‑RADS评级标准，给出6个关键点的学习方法，对输入的乳腺超声影像在每个模型上产生BI‑RADS评级的多级分类预测；最后利用投票产生BI‑RADS评级的多级分类预测结果，并调整相应的良恶性概率值，本发明解决了目前基于深度学习的乳腺超声肿瘤识别方法效果与可解释性平衡的技术问题。
-
公开(公告)号：CN112734043A
公开(公告)日：2021-04-30
申请号：CN202110020207.5
申请日：2021-01-07
Applicant: 电子科技大学
Abstract: 本发明涉及一种基于深度学习的分段容错逻辑量子电路解码方法，所述解码方法包括：S1、将逻辑电路进行分段变体以满足容错性并得到对应容错变体线路并收集其内部纠错模块产生的诊断数据；S2、根据所述诊断数据构建内置有多分类数据模型的高效解码器，根据所述解码器和诊断数据找出最终纠错过程的恢复算子。本发明首次考虑了纠错模块本身的故障对量子容错电路的影响，并利用机器学习预测模型有效判断该模块造成的误差扩散事件；解码器有效的利用了分段容错变体线路不同纠错子模块的关联特点，增强了基于分段容错策略的通用量子计算方案的实用性，而无需使用资源消耗过多的魔法态蒸馏过程。
-
-
-
Search Results
4
records
(took 0.033 seconds)
