公开(公告)号：CN112784472A

公开(公告)日：2021-05-11

申请号：CN202110111596.2

申请日：2021-01-27

Applicant: 电子科技大学

Inventor： 李晓瑜 ,  朱钦圣 ,  胡勇 ,  杨庆 ,  卢俊邑

IPC: G06F30/25 ,  G06F30/27 ,  G06N3/04 ,  G06N3/063 ,  G06N3/08 ,  G06N7/00 ,  G06N10/00 ,  G06F111/08 ,  G06F119/10

Abstract: 本发明公开了一种循环神经网络模拟量子输运过程中的量子条件主方程的模拟方法，包括：建立循环神经网络，循环神经网络为长短时记忆网络；长短时记忆网络包括T个按时间顺序排列的LSTM细胞，每个LSTM细胞具有输入值xt和输出值ht，LSTM细胞内具有参数(W,b)；将根据量子条件主方程得到的电流的散粒噪声谱S(ω)，替代输入值xt；利用量子条件主方程中的密度矩阵迹，替代输出值ht；利用前后时刻的量子条件主方程中的密度矩阵迹之间联系，替代参数(W,b)。本发明建立了循环神经网络中的长短时记忆网络和量子条件主方程的联系，利用量子系统产生的散粒噪声谱的数据，解决求解量子条件主方程时方程无限循环闭合的难题，实现循环神经网络对量子条件主方程的模拟。

公开(公告)号：CN104794359A

公开(公告)日：2015-07-22

申请号：CN201510212647.5

申请日：2015-04-29

Applicant: 电子科技大学

Inventor： 贺知明 ,  万海川 ,  高振 ,  杨庆 ,  肖雪冬

IPC: G06F19/00

Abstract: 本发明属于雷达信号处理领域，提出一种迭代步长可变的多步Q学习自适应算法，用以解决现有Q学习算法环境适应性差，与急剧变化环境无法工作的问题。本发明提出将步长(最大迭代次数)的大小设置为环境的函数，根据环境的变化程度来决定步长的大小；因此，本发明能够迅速地适应环境，当环境急剧变化的时候，采用更多步的信息来更新当前Q值，有效提高算法预见能力；同时，当环境变化很细微时，采用较少步的信息来更新Q值，有效减少算法复杂度；有效提高算法环境适应能力。

公开(公告)号：CN112784472B

公开(公告)日：2023-03-24

申请号：CN202110111596.2

申请日：2021-01-27

Applicant: 电子科技大学

Inventor： 李晓瑜 ,  朱钦圣 ,  胡勇 ,  杨庆 ,  卢俊邑

IPC: G06F30/25 ,  G06F30/27 ,  G06N3/0442 ,  G06N3/063 ,  G06N3/08 ,  G06N7/01 ,  G06N10/00 ,  G06F111/08 ,  G06F119/10

Abstract: 本发明公开了一种循环神经网络模拟量子输运过程中的量子条件主方程的模拟方法，包括：建立循环神经网络，循环神经网络为长短时记忆网络；长短时记忆网络包括T个按时间顺序排列的LSTM细胞，每个LSTM细胞具有输入值xt和输出值ht，LSTM细胞内具有参数(W,b)；将根据量子条件主方程得到的电流的散粒噪声谱S(ω)，替代输入值xt；利用量子条件主方程中的密度矩阵迹，替代输出值ht；利用前后时刻的量子条件主方程中的密度矩阵迹之间联系，替代参数(W,b)。本发明建立了循环神经网络中的长短时记忆网络和量子条件主方程的联系，利用量子系统产生的散粒噪声谱的数据，解决求解量子条件主方程时方程无限循环闭合的难题，实现循环神经网络对量子条件主方程的模拟。

公开(公告)号：CN112465224A

公开(公告)日：2021-03-09

申请号：CN202011363890.4

申请日：2020-11-27

Applicant: 电子科技大学

Inventor： 钟婷 ,  陈晓蝶 ,  周帆 ,  杨庆 ,  李亮

IPC: G06Q10/04 ,  G06Q40/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于标准化流的股票走势预测系统及方法，通过变分方法将推特文本和历史股价信息编码到随机变量中，然后结合标准化流更加有效的学习引入了推特文本和历史股价信息的潜在表示，从而能够捕获多元时间序列的时间模式，实现对股票走势的有效预测。

公开(公告)号：CN104794359B

公开(公告)日：2017-12-15

申请号：CN201510212647.5

申请日：2015-04-29

Applicant: 电子科技大学

Inventor： 贺知明 ,  万海川 ,  高振 ,  杨庆 ,  肖雪冬

IPC: G06F19/00

Abstract: 本发明属于雷达信号处理领域，提出一种迭代步长可变的多步Q学习自适应方法，用以解决现有Q学习算法环境适应性差，与急剧变化环境无法工作的问题。本发明提出将步长(最大迭代次数)的大小设置为环境的函数，根据环境的变化程度来决定步长的大小；因此，本发明能够迅速地适应环境，当环境急剧变化的时候，采用更多步的信息来更新当前Q值，有效提高算法预见能力；同时，当环境变化很细微时，采用较少步的信息来更新Q值，有效减少算法复杂度；有效提高算法环境适应能力。