-
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
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。
-
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
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：CN118522343A
公开(公告)日：2024-08-20
申请号：CN202410469576.6
申请日：2024-04-18
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明公开了基于小样本学习的蛋白质‑靶点亲和力预测方法、系统、存储介质及终端，属于蛋白质预测技术领域，包括：S1、蛋白质序列特征提取；S2、药物靶点SMILES码特征提取；S3、融合步骤S1和步骤S2中提取的特征数据，得到蛋白质‑靶点特征数据；S4、构建蛋白质‑靶点亲和力预测模型，并使用所述蛋白质‑靶点特征数据对所述蛋白质‑靶点亲和力预测模型进行训练；其中，将所述蛋白质‑靶点特征数据划分为训练集、验证集和测试集；训练过程中，使用验证集补充训练集的方式进行动态训练，当验证集数量降到一定阈值时，停止补充训练集；S5、将测试集数据放入已训练好的蛋白质‑靶点亲和力预测模型中，得到蛋白质‑靶点亲和力预测结果。本发明能够有效解决在蛋白质‑靶点亲和力预测过程中，因训练样本过少而造成的过拟合问题，同时可以为小样本学习问题中抵御过拟合风险提供新的视角。
-
公开(公告)号：CN119106746A
公开(公告)日：2024-12-10
申请号：CN202411167466.0
申请日：2024-08-23
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
Abstract: 本发明公开了一种面向图像相似度任务的量子数据集构建方法、系统、存储介质及终端，属于图像处理领域，主要包括：S1、获取原始图像数据集，并对其中的原始图像进行增强，得到增强图像；将原始图像以及增强图像组合形成二元组数据集；S2、将所述二元组数据集中的每张图像通过特定的量子编码方法转换为量子态；S3、基于每张图像的量子态进行量子线路演化，生成每张图像演化后的量子态；其中，采用进化算法来优化量子线路，筛选出最优秀的量子线路；S4、将所述最优秀的量子线路保存为QASM文件，并对每个QASM文件进行标注；S5、将每张图像对应的QASM文件以及标注文件进行存储，得到面向图像相似度任务的量子数据集。本发明通过优化量子线路的设计，使得量子线路的深度和组合通过智能进化过程进行调整，确保了算法的适应性和多样性，在处理图像数据时能够达到更高的评估精度。
-
公开(公告)号：CN116665810A
公开(公告)日：2023-08-29
申请号：CN202310633807.8
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
IPC: G16C20/70 , G16C20/10 , G06N3/0464
Abstract: 本发明公开了一种基于量子图卷积的分子逆向合成方法、系统、存储介质及终端，属于药物分析领域，将目标产物的结构信息和化学属性表示为分子无向图的形式；对每个图节点和连接边使用one‑hot编码的方式映射为唯一的向量；再对分子图节点及连接边信息数据进行量子编码；基于编码后的量子图构建量子图卷积神经网络，输出预测反应中心的位置，得到合成子图；采用图卷积策略网络遍历所述合成子图，识别需要替换或新增的原子并映射到一个动作向量中，解码该动作向量得到反应物的表示。本发明实现从产物图到反应物图的翻译过程，保证最终反应物的可用性，解决目前分子逆向合成任务中计算难度大以及合成路线预测结果不理想的问题，为未来药物研发提供技术参考。
-
Patent Agency Ranking
公开(公告)号：CN118821251A
公开(公告)日：2024-10-22
申请号：CN202410830533.6
申请日：2024-06-25
Applicant: 电子科技大学
IPC: G06F30/10 , G06F30/27 , G06F111/04 , G06F111/06
Abstract: 本发明提供了一种射电望远镜主动反射面的形状调节优化方法，涉及光电子器件制造技术领域，通过建立更为精细的空间几何模型和单目标优化模型，利用模拟退火算法和蒙特卡洛算法对反射面的调节进行优化。这使得反射面能够根据观测目标的具体位置和角度，调节到几乎接近理想抛物面的形状，极大提高了反射效率和信号的接收质量。本发明通过建立更为精细的空间几何模型和单目标优化模型，利用模拟退火算法和蒙特卡洛算法对反射面的调节进行优化。这使得反射面能够根据观测目标的具体位置和角度，调节到几乎接近理想抛物面的形状，极大提高了反射效率和信号的接收质量。
-
公开(公告)号：CN114446414B
公开(公告)日：2023-05-23
申请号：CN202210079589.3
申请日：2022-01-24
Applicant: 电子科技大学
Abstract: 本发明公开了基于量子循环神经网络的逆向合成分析方法，包括：将需要拆分的药物的可观测成分映射到量子系统上，以密度矩阵的形式进行表示；构建量子循环神经网络；将所述密度矩阵作为不同时刻的输入，经过量子循环神经网络后得到与相对应的药物组成分子存在概率相关的输出函数；利用目标函数得到药物的药物组成分子的存在结果；所述药物组成分子为所述可观测成分的组合，并且所述药物组成分子的组合构成所述药物；所述目标函数为经过测量后的输出函数。本发明利用量子循环神经网络对逆向合成分析进行模拟，避免了对实验室环境要求的苛刻性；相比较于传统的试验方法，得到准确结果的时间更短，效率更高。
-
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
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：CN114496227A
公开(公告)日：2022-05-13
申请号：CN202210095886.7
申请日：2022-01-26
Applicant: 电子科技大学
Abstract: 本发明公开了基于量子神经网络的病情发展预测系统及平台，属于量子计算技术领域，包括预处理单元和量子神经网络；预处理单元用于提取离散化数据的特征数据；量子神经网络，基于特征数据进行分类得到病情走势预测结果。本申请通过预处理单元将连续性数据离散化处理，进而使连续性数据输入至量子神经网络，为不同行业中连续或离散数据的处理、数据的预测提供了一种全新的方法和思路。同时本申请将量子计算应用至病情发展进行预测，大大提升了数据计算效率，同时提升病情走势的预测结果，实现生物医疗资源的有效、合理地分配。
-
公开(公告)号：CN114462623B
公开(公告)日：2023-05-26
申请号：CN202210125350.5
申请日：2022-02-10
Applicant: 电子科技大学 , 中国航发四川燃气涡轮研究院
IPC: G06N20/00 , G06N3/048 , G06N3/096 , G06F18/2113 , G06F18/214 , G06F18/24
Abstract: 本发明公开了基于边缘计算的数据分析方法、系统及平台，属于边缘计算技术领域，方法包括根据当前待处理数据集选取AI算法及机器学习模型；分析待处理数据集中样本与支撑样本的共性进而对机器学习模型参数进行优化，分析待处理数据集中样本的标注价值，确定高标注价值样本，基于高标注价值样本对机器学习模型进行训练；将完成训练的机器学习模型迁移至边缘计算设备，对待处理数据集进行数据分析处理，并输出数据分析处理结果。本申请将完成训练的机器学习模型迁移至边缘计算设备，进一步运行对应AI算法，能够提供功耗更低、实时性更高、便携性更好的数据处理结果，充分利用边缘计算设备有限的计算和存储资源，缓解了服务器的数据处理压力。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.036 seconds)
