公开(公告)号：CN119169306A

公开(公告)日：2024-12-20

申请号：CN202411191185.9

申请日：2024-08-28

Applicant: 电子科技大学 ,  喀什地区电子信息产业技术研究院 ,  喀什大学

Inventor： 吴昊 ,  余莲会 ,  陈庚 ,  李晓瑜 ,  孙文杰 ,  杨舜坤 ,  王继新

IPC: G06V10/44 ,  G06V10/72 ,  G06N10/20 ,  G06N10/60

Abstract: 本发明公开了一种面向图像相似度任务的量子图像特征提取方法、计算机程序产品及终端，属于量子图像特征提取技术领域，包括：构建正负样本对；将正负样本对映射至量子态空间；通过双参数化量子电路将正负样本对的量子态表示转换为特征表示；选择不同测量基矢对量子态的特征表示进行测量，得到图像特征。双参数化量子电路中动量编码器通过动量更新机制保持与主编码器相似但略有不同的参数设置，实现更高效的对比学习；通过不同类型的观测获得原始数据的不同类型观测信息，对原始数据进行数据增强，获得更多负样本，通过逐步更新负样本集合中的样本，确保每个训练周期中都能利用最新的负样本，进而提升对比学习的效率和准确性。

公开(公告)号：CN118823483A

公开(公告)日：2024-10-22

申请号：CN202411040724.9

申请日：2024-07-31

Applicant: 电子科技大学 ,  喀什地区电子信息产业技术研究院

Inventor： 杨淋 ,  李晓瑜 ,  朱钦圣 ,  吴昊 ,  胡帮勋 ,  张禄 ,  羊源婷

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于混合量子神经网络的图像多分类方法、电子设备和存储介质，待处理图像为高维经典图像，方法包括图像分类步骤，包括以下子步骤：利用主成分分析对待处理图像降维；采用基于灵活的量子图像表示方式，将降维后的待处理图像编码为量子态数据；将量子态数据输入到参数化量子电路进行量子态演化，并对演化后的量子态进行测量得到量子态的期望值；将量子态的期望值输入至卷积神经网络CNN的全连接层，全连接层输出图像多分类结果；其中，全连接层的输入维度与主成分分析的降维维度匹配。本发明将混合量子神经网络与经典卷积神经网络的结合，利用CNN强大的特征提取能力，提高了分类的准确性和抗噪性。

公开(公告)号：CN117851396A

公开(公告)日：2024-04-09

申请号：CN202410127578.7

申请日：2024-01-30

Applicant: 喀什地区电子信息产业技术研究院

Inventor： 李晓瑜 ,  严忆 ,  钱星宇 ,  尚小磊 ,  文鹏 ,  吴昊

IPC: G06F16/215 ,  G06F16/23 ,  G06F16/2455 ,  G06F16/25 ,  G06F16/28

Abstract: 本发明公开了一种基于湖仓一体的数据编目方法及系统，属于数据管理领域，包括：建设数据湖，并将外部数据源中的数据提取到数据湖中；清洗数据湖中的原始数据；为清洗后的数据添加元数据信息并采用多级编目架构进行编目；其中，所述多级编目架构中每个目录针对特定的数据领域进行配置和管理，当外部数据源更新时，通过后台线程定时刷新拉取最新数据并更新元数据。本发明实现多源异构数据的集成、整合和编目，以提供更方便、可靠和高效的并发数据访问和分析。

公开(公告)号：CN116935095A

公开(公告)日：2023-10-24

申请号：CN202310633927.8

申请日：2023-05-31

Applicant: 电子科技大学 ,  喀什地区电子信息产业技术研究院

Inventor： 贾慧雪 ,  李晓瑜 ,  尚小磊 ,  吴昊 ,  杨国武 ,  张仕斌

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06V10/74 ,  G06V10/774 ,  G06F21/62 ,  G06F21/60 ,  H04L9/00 ,  H04N1/44

Abstract: 本发明公开了一种基于隐私保护的图像特征数据分类系统，包括相互连接的本地查询端和远程服务端；所述本地查询端包括：第一分块与特征提取模块、第一同态加密模块和第一数据传输模块；所述远程服务端包括：第二数据传输模块、特征提取模块、加权组合模块、分类比对模块、数据存储模块。在本发明中，使得远程服务端无法获取明文的待分类图像，从而实现隐私保护操作；并且，为了实现查询功能，远程服务端中存储的用于比对的加密特征采用了与搜索特征相同的计算方式得到。

公开(公告)号：CN117764238A

公开(公告)日：2024-03-26

申请号：CN202311820181.8

申请日：2023-12-27

Applicant: 喀什地区电子信息产业技术研究院 ,  电子科技大学

Inventor： 李晓瑜 ,  岳鲜 ,  王鹏 ,  朱钦圣 ,  吴昊 ,  张乃柏 ,  尚小磊 ,  文鹏

IPC: G06Q10/04 ,  G06Q50/02 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/084 ,  G06F18/213 ,  G06F18/25 ,  G06F18/27 ,  G06F123/02

Abstract: 本发明公开了一种基于复杂图形表征的农作物病虫害预测方法、电子设备和存储介质，方法包括以下步骤：利用病虫害影响因子‑复杂图形表征模块，构建病虫害的各种影响因子之间的关系的复杂图形结构；利用基于图卷积神经网络的特征提取模块，对复杂图形结构中的影响因子进行挑选并映射后、实现图形的特征提取；利用基于循环神经网络的病虫害预测模块，将特征提取模块处理得到的图形特征构造为特征演化序列，并将特征演化序列输入至循环神经网络时间序列机器学习模型，预测未来一定时间内病虫害的发生情况，即病虫害爆发率。本发明提出了一种基于多源异构数据的创新思路，通过综合分析已知数据，能够更早地发现潜在的病虫害威胁，并迅速采取防控措施。