-
公开(公告)号：CN110264462B
公开(公告)日：2022-06-28
申请号：CN201910555112.6
申请日：2019-06-25
Applicant: 电子科技大学
IPC: G06T7/00 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于深度学习的乳腺超声肿瘤识别方法，其包括以下步骤：S1、对已有病例的乳腺超声图像进行良性与恶性标注；S2、对标注后的乳腺超声图像进行预处理；S3、采用卷积神经网络模型获取预处理后的图像的特征；S4、将获取的特征及对应的标注作为训练数据分别对不同的分类模型进行训练；S5、采用stacking方法对所有训练后的分类模型进行融合；S6、将待识别乳腺超声肿瘤作为融合后的模型的输入，根据输出结果完成识别。本方法只需放入待识别的乳腺超声图像，即可直接获得图像识别结果，识别时间短，并且可通过连接服务器进行诊断，或者直接部署在本地计算机，灵活性较大，界面简单，也易于上手，对用户友好。
-
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：CN111709488A
公开(公告)日：2020-09-25
申请号：CN202010574961.9
申请日：2020-06-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种动态标签深度学习算法，包括S1、输入数据集D；S2、随机初始化分类器f(x；0)；S3、随机将数据集D划分为训练集Dtrain和验证集Dvalid；S4、对训练集Dtrain的每个样本，根据标签迁移概率矩阵T随机选择一个新的标签，形成新的训练集Dnew；S5、在新的训练集Dnew上训练分类器f(x；0)；S6、在验证集Dvalid上测试分类器f(x；0)精度；S7、重复步骤S4-步骤S6，直至分类器精度达到预设值。本发明可以有效地避免模型过拟合，学习到泛化性能更好的模型，具有良好的抗噪声能力和抗过拟合能力，有效地解决了噪声训练集的最优分类器学习问题。
-
公开(公告)号：CN104301089B
公开(公告)日：2018-04-27
申请号：CN201410489846.6
申请日：2014-09-23
Applicant: 电子科技大学
IPC: H04L9/00
Abstract: 本发明公开了一种用于对任意变量的两个布尔函数进行仿射等价的判定方法，属于数字集成电路与密码学领域，其包括以下步骤：一、确定布尔函数Fm；二、任意两个布尔函数，求出对应的变量取值矩阵；三、计算rank(Af)、rank(Ag);四、判断rank(Af)、rank(Ag)是否相等，代表元是否相同，若是f与g仿射等价；否则f与g仿射不等价。本发明可以应用到组合逻辑电路、FPGA的可编程逻辑单元和Reed‑Muller码中。
-
公开(公告)号：CN103838908B
公开(公告)日：2017-08-25
申请号：CN201310418675.3
申请日：2013-09-14
Applicant: 电子科技大学
IPC: G06F17/50
Abstract: 本发明提供了一种基于AIG和SAT求解器的GSTE模型检测方法，其特征在于包括以下步骤：步骤1，使用ABC工具建立AIG模型；将该AIG转化成FRAIG，同时使用逻辑综合算法化简该FRAIG，减小AIG规模；步骤2，计算每条边上的状态集不动点Ψ*，步骤3：将算得的每条边上的不动点和相应边上的cons做验证，若则报错，并通过反向迁移找到反例；步骤4：判断每条边上的状态集是否到达不动点，若到达不动点，完成本次验证，否则返回步骤2，进行下一轮状态集的计算。
-
Patent Agency Ranking
公开(公告)号：CN118796149A
公开(公告)日：2024-10-18
申请号：CN202410900200.6
申请日：2024-07-05
Applicant: 电子科技大学
IPC: G06F7/505
Abstract: 本发明公开了一种基于Overlap的并行前缀加法器设计方法、电子设备和存储介质，用于在给定位宽为n的并行前缀加法器的情况下生成位宽为n+1的并行前缀加法器；设计方法包括以下步骤：获取位宽为n的并行前缀加法器的并向前缀图所对应的并行前缀序列；将并行前缀序列构造合法的n+1位的并行前缀序列；将并行前缀序列Sn+1转换为位宽为n+1的并行前缀加法器的并向前缀图，即得到位宽为n+1的并行前缀加法器。本发明通过Overlap的方式增加搜索索引searchIndex的取值数量，增加n+1位并行前缀加法器的数量，使得增加后续在对逻辑综合分析的可选性，解放在前缀空间中探索更好性能的加法器设计的可能性。
-
公开(公告)号：CN116524997B
公开(公告)日：2024-07-16
申请号：CN202310490049.9
申请日：2023-05-04
Applicant: 电子科技大学
Abstract: 本发明公开了基于经典‑量子混合神经网络实现药物相互作用结果的预测系统，包括量子预测子系统，所述量子预测子系统包括顺次连接的量子态编码模块和量子神经网络模块；所述量子态编码模块将接收到的经典投影系数编码为量子态数据，所述量子神经网络模块将量子态数据进行测量并输出药物‑药物对相互作用的概率；所述经典投影系数表示药物‑药物对相互作用时对应的频繁子结构所做出的贡献大小的经典表示。在本发明中，相较于利用全经典方式对经典投影系数进行处理，一旦数据集较大或者说对投影系数的描述向量纬度较高时，需要的比特数较多，对计算资源要求较高，量子方式只需要个量子比特，有效减少对计算资源的压力。
-
公开(公告)号：CN116959539A
公开(公告)日：2023-10-27
申请号：CN202310932949.4
申请日：2023-07-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种供选择的容错量子逻辑电路的构造方法、电子设备和存储介质，方法包括以下步骤：获取用户的量子逻辑电路构造需求，量子逻辑电路构造需求包括以纠错能力为主、以实现时间为主、综合纠错能力和实现时间在内的性能需求；根据性能需求，提供对应类型的通用量子门库。本发明当用户需要构造量子逻辑电路时，首先获取用户的量子逻辑电路构造需求，并根据性能需求，提供对应类型的通用量子门库；同时，在现有的7码门库和15码门库的基础上，提供可以了一种可以综合纠错能力和实现时间的新的通用量子门库即非均匀门库，从而可以满足用户不同的纠错能力和实现时间的需求。
-
公开(公告)号：CN116304883A
公开(公告)日：2023-06-23
申请号：CN202310455574.7
申请日：2023-04-25
Applicant: 电子科技大学
IPC: G06F18/241 , G16B40/00 , G06N3/08 , G06N10/20 , G06N3/0464
Abstract: 本发明公开了基于量子卷积的分子图分类方法、系统、存储介质及终端，通过池化模块FPOOL对生物数据集分子图结构数据进行池化；对池化后的分子图节点特征进行量子编码到量子系统上；通过跨量子位门操作实现节点特征传递，得到更新分子图节点特征，其中，所述节点特征传递包括自身节点特征循环和节点间特征传递；根据更新后的分子图节点特征进行量子测量，并根据测量结果进行分子图属性预测。本发明采用可区分池化模块FPOOL对蛋白质分子图进行池化，可以极大的保留原始图特征的同时能够大大减少量子编码的图节点数量以及节点特征维度，从而减少量子比特数量实现量子图卷积神经网络，能够极大地促进生物化学领域图分类任务的研究。
-
公开(公告)号：CN114491206A
公开(公告)日：2022-05-13
申请号：CN202210001246.5
申请日：2022-01-04
Applicant: 电子科技大学
IPC: G06F16/951 , G06F16/954
Abstract: 本发明公开一种用于新闻博客类网站的通用低代码爬虫方法及系统，属于网络爬虫技术领域。方法的核心步骤包括：创建各待爬取网站的配置文件；选择运行方式并加载目标网站的各项配置；提取目标网站导航栏中所有分类导航的链接及类别名；对各分类导航链接，提取文章列表页面的所有文章链接并加入待爬取列表；对待爬取列表中各文章，提取文章页面资源中的各项信息并进行持久化存储；重复执行直至完成所有爬取任务。爬虫系统提供的能力主要包括自定义功能扩展、多任务管理、多种方式持久化存储、兼容不同类型网站、日志及进度管理等方面。本发明只需添加待爬取网站的各项配置，即可完成满足基本需求的文章爬取，大幅度提升爬虫程序开发和维护效率。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.023 seconds)
