公开(公告)号：CN118631519A

公开(公告)日：2024-09-10

申请号：CN202410739693.X

申请日：2024-06-07

Applicant: 西安电子科技大学

Inventor： 潘宇 ,  詹宇 ,  王保仓

IPC: H04L9/40 ,  H04L9/00 ,  H04L9/08 ,  G06F21/60 ,  G06F21/62

Abstract: 本发明公开了一种基于全同态加密的医疗数据隐私保护方法，涉及信息安全技术领域，解决了现有技术中基于同态加密的隐私保护决策树训练方案较少，且在训练阶段需要数据拥有者在线协助计算，导致应用场景受限的问题，该方法包括：辅助云服务器生成加密体统的公私钥；医疗机构将数据初始的化后上传加密到云服务器上；云服务器和辅助云服务器在全同态加密下进行决策树桩模型训练，得到本轮分类规则；云服务器和辅助云服务器在全同态下进行参数训练，对本轮决策树桩的分类器权重计算和样本权重的更新；云服务器判断是否达到设定的迭代次数，并根据迭代出书输出训练结果；实现了节省了医疗机构的时间和计算资源，增加了应用场景。

公开(公告)号：CN117650768A

公开(公告)日：2024-03-05

申请号：CN202311496707.1

申请日：2023-11-10

Applicant: 电子科技大学

Inventor： 杨世恒 ,  潘宇 ,  刘悦多 ,  廖佳慧 ,  刘佳欣 ,  张红帅

IPC: H03K3/012 ,  H03K3/011 ,  H03K3/354 ,  H03B5/04 ,  H03B5/12

Abstract: 本发明公开了一种可实现误差消除的RC张弛振荡器电路，通过在负偏置比较器中引入负偏置电压来平衡偏置电压的方式实现了偏置电压的消除以及通过设置斩波电路来实现针对内部电容的分段充电加速，实现了比较器的偏置电压消除，进而降低了温度系数，实现了提升电路输出稳定性的效果，最后通过减少施密特触发器内设置的晶体管数量的方式实现了降低了电路功耗，解决了现有技术当中由于比较器输入端的工艺偏差和失配，导致了会产生不确定的偏置电压，而在对偏置电压进行抑制时会造成功耗上升以及温度稳定性下降，造成输出误差上升的问题，提升了电路输出的稳定性。

公开(公告)号：CN118573170A

公开(公告)日：2024-08-30

申请号：CN202410996711.2

申请日：2024-07-24

Applicant: 电子科技大学

Inventor： 杨世恒 ,  杜雨昂 ,  潘宇 ,  杜坤明 ,  杨欣宇 ,  韩正轩 ,  张红帅 ,  刘佳欣

IPC: H03K19/00 ,  H03K19/20 ,  H03K17/04

Abstract: 本发明涉及属于电路结构技术领域，特别涉及一种基于开关电容阵列的LDO输出纹波可控方法，包括如下步骤：步骤1)：将开关电容积分环路进行组装连接；步骤2)：启动开关电容积分环路；本发明的有益效果：通过开关电容积分环路取代传统模拟LDO中的基于运算放大器的反馈环路，从而实现LDO输出纹波可控，使得本发明的LDO能够在收敛速度快、输出纹波稳定以及开关电容面积开销小之间进行了合理控制，同时，本发明对原有的有关纹波、收敛速度和面积开销的繁琐的设计过程得到了优化，还降低了开关电容积分环路的功耗和提高了能效。

公开(公告)号：CN110046696A

公开(公告)日：2019-07-23

申请号：CN201910317965.6

申请日：2019-04-19

Applicant: 电子科技大学

Inventor： 徐增林 ,  徐菁 ,  潘宇 ,  潘星霖

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于卷积循环神经网络的残差神经网络调整方法，属于神经网络结构优化领域。本发明解决了现有的残差神经网络缺乏将特征相互融合的缺陷，利用卷积循环神经网络根据每个残差块内部特征自动选择性的保存、更新以及输出可以重复利用的特征，用输出的可重复利用的特征和残差块内部的特征相融合去调整残差块的输出。本发明赋予了残差神经网络更为丰富的表达能力，大大的提高了残差神经网络的分类精度，为目前的基于残差的网络以及变体提供了新的通用的架构。

公开(公告)号：CN118174840A

公开(公告)日：2024-06-11

申请号：CN202410222133.7

申请日：2024-02-28

Applicant: 西安电子科技大学

Inventor： 潘宇 ,  王保仓 ,  赵臻

IPC: H04L9/00 ,  H04L9/08 ,  H04L9/40

Abstract: 本发明公开了一种基于全同态加密的医疗数据安全的逻辑回归方法，应用于包括辅助云服务器、医疗机构和云服务器的系统上，在该系统上执行的方法包括：辅助云服务器生成公钥和私钥；医疗机构将根据公钥生成的加密数据发送于云服务器；云服务器在全同态CKKS加密算法下进行逻辑回归模型运算得到梯度和预测结果发送于辅助云服务器；辅助云服务器根据梯度更新模型参数，根据预测结果更新权重，将模型参数、权重加密后发送于云服务器；云服务器接收密文并进行去除混淆项操作；云服务器判断是否达到最大迭代次数，若未达到则重复迭代，最后将模型参数发送于医疗机构；医疗机构解密后得到训练好的模型参数。本发明保证了模型参数和医疗数据的安全性。

公开(公告)号：CN109325585A

公开(公告)日：2019-02-12

申请号：CN201811175993.0

申请日：2018-10-10

Applicant: 电子科技大学

Inventor： 徐增林 ,  潘宇 ,  徐菁 ,  王茂林

IPC: G06N3/04

Abstract: 本发明提供了一种基于张量环分解的长短期记忆网络稀疏连接方法，属于神经网络结构优化领域。本发明解决了现有的长短时记忆网络难以处理高维输入数据，同时存在过量冗余参数的问题，使得优化过后的长短时记忆网络能在提升精度的条件下，压缩网络规模。本发明充分利用了张量分解的特性去探寻深度网络中全连接的稀疏结构，模型训练采用了BPTT的方法。本发明为循环神经网络处理大规模数据，及探寻其低秩结构给出了新方法，为目前绝大多数循环神经网络以及其变体提供了新的通用的架构。