一种凹型准连续域束缚态的太赫兹超材料传感器

    公开(公告)号:CN119812775A

    公开(公告)日:2025-04-11

    申请号:CN202510020946.2

    申请日:2025-01-07

    Abstract: 本发明涉及一种凹型准连续域束缚态的太赫兹超材料传感器,该传感器在水平和垂直方向具有若干个周期性阵列的阵列单元,阵列单元从上到下由金属超表面、介质层和大于入射波趋肤深度的金属背板构成;其中,金属超表面由两部分组成,一部分为含有双扇形开口的柱形结构,另一部分为闭口谐振环,双扇形开口的左侧开口角度与右侧开口角度不相等,双扇形开口的柱形结构位于所述闭口谐振环内,且柱形结构有部分体积嵌于介质层内。构建的传感器在垂直入射太赫兹波激发下产生了两个谐振峰,分别位于3.44THz和3.51THz,最高品质因子Q值达3096。本发明创新性的构建左右两侧开口角度不相等圆盘结构,实现准BIC谐振,具有折射率灵敏度高、线性度好、结构简单易于加工等优点。

    基于区块链的车联网电池充放电数据传输隐蔽通信方法

    公开(公告)号:CN119030684A

    公开(公告)日:2024-11-26

    申请号:CN202410988778.1

    申请日:2024-07-23

    Abstract: 本发明涉及一种基于区块链的车联网电池充放电数据传输隐蔽通信方法,属于车联网信息传输安全领域。其包括:车辆端与数据安全中心协商随机种子s、合约地址集合以及外部账户地址集合;获取车辆端充电或者放电时的电池数据,并将电池数据进行加密形成密文信息;车辆端根据嵌入算法连续构建区块链交易,通过HV‑TM方法在当前交易轮次无序且连续地发送交易,在确认当前交易轮次的所有交易全部上链后,进入下一交易轮次重复构建交易直到密文全部发送;数据安全中心通过两次定序规则来排序交易,再根据嵌入算法反向提取出密文信息;数据安全中心反向操作解密密文获取原电池充放电数据。本发明通过轮次定序增强了隐蔽通信的实用性。

    一种基于边缘引导和动态剪枝的车辆图像分割方法

    公开(公告)号:CN118823343A

    公开(公告)日:2024-10-22

    申请号:CN202410869826.5

    申请日:2024-07-01

    Abstract: 本发明涉及一种基于边缘引导和动态剪枝的车辆图像分割方法,属于图像处理领域。利用基于状态空间模型的混合感知编解码网络实现图像浅层和深层语义特征的提取和恢复。混合状态空间模块构建的编码器由状态空间模型分支和混合卷积分支组成,在混合卷积分支中,通过扩张卷积来扩展卷积核的感受野。多尺度边缘引导分支输入收缩路径的编码特征、扩展路径中高层的解码预测特征和高斯拉普拉斯操作的高频特征。通过动态联合剪枝算法联合学习模型权重,构建递归网络对修剪准确性奖励函数的变化进行动态建模,得到模型层压缩率和修剪准确性权衡最优分割模型。本发明不仅能够准确地分割复杂环境下的车辆图像,还能够在资源有限的设备上进行高效部署和运行。

    一种基于改进密度峰值聚类算法的网络入侵检测方法

    公开(公告)号:CN117478390A

    公开(公告)日:2024-01-30

    申请号:CN202311461821.0

    申请日:2023-11-06

    Abstract: 本发明涉及一种基于改进密度峰值聚类算法的网络入侵检测方法,属于机器学习与计算机网络安全技术领域。该方法包括对网络入侵数据集中的字符型特征编码为数字特征并进行标准化处理,利用主成分分析法对网络入侵数据集进行特征提取,去除冗余数据并降维;对网络入侵数据计算近邻,利用自然邻搜索算法计算达到稳定状态时的k近邻;计算每一个点的密度从而根据密度获取其局部代表点;计算局部代表点之间的距离,并对其应用密度峰值聚类算法获得簇类结果;对每一个聚类簇计算基于簇的离群因子,并将检测出的离群簇作为异常攻击数据。本发明解决了现有方法常忽略簇状异常点的问题,并克服当前基于聚类的入侵检测方法不能较好的识别流形簇等问题。

    基于药物双模态特征的药物靶标结合亲和力预测方法

    公开(公告)号:CN118298908A

    公开(公告)日:2024-07-05

    申请号:CN202410408403.3

    申请日:2024-04-07

    Abstract: 本发明涉及一种基于药物双模态特征的药物靶标结合亲和力预测方法,属于药物靶标亲和度预测领域。首先通过构建一个三通道深度学习网络,分别处理生物标靶的序列、药物分子的序列及其化学结构图。标靶序列经预处理后被嵌入为高维特征向量,并利用XLNet‑DSC提取深层次的生物信息。同时,药物分子的SMILES序列被转化为化学结构图,并通过图神经网络技术如图注意力网络和消息传递神经网络提取关键的化学特征。药物分子序列经过特定编码和神经网络处理,以获得进一步的特征表示。通过将这些多维度特征进行融合,并应用多头注意力机制进行细致的特征整合,该方法能够精确地预测药物与标靶之间的结合亲和力。

    一种高灵敏度超材料传感器及其在变压器油绝缘检测的应用

    公开(公告)号:CN118794914A

    公开(公告)日:2024-10-18

    申请号:CN202410793381.7

    申请日:2024-06-19

    Abstract: 本发明涉及一种高灵敏度超材料传感器及其在变压器油绝缘检测的应用,属于传感器检测技术领域。该传感器包括由若干传感器单元规则排列形成的传感器阵列,每个传感器单元包括开口谐振环阵列、具有一定数值的相对介电常数的非连续介质层以及金属薄膜层,金属薄膜层、非连续介质层以及开口谐振环阵列自底向上依次设置,且开口谐振环阵列与非连续介质层的彼此朝向的端面互相接触,非连续介质层与金属薄膜层的彼此朝向的端面互相接触。本发明还将该传感器用在不同类型和热老化程度的变压器油绝缘上,呈现出不同吸收光谱,能够对变压器绝缘油的类型和老化程度进行区分、检测。

    基于联合表示学习和元路径的药物-靶标相互作用预测方法

    公开(公告)号:CN118298909A

    公开(公告)日:2024-07-05

    申请号:CN202410408405.2

    申请日:2024-04-07

    Abstract: 本发明涉及一种基于联合表示学习和元路径的药物‑靶标相互作用预测方法,属于药物靶点亲和力预测技术领域。该方法包含三种单一模态,分别表示序列信息模态、异构结构信息模态和相似信息模态。模型综合利用多模态数据,并整合到统一的模型中进行学习,捕获到不同模态之间的互补信息,提高特征的表达能力和区分度,更全面地考虑不同数据源的信息,从而实现提高模型的预测能力和准确性。最终,本发明采用基于联合表示学习和元路径的药物‑靶标相互作用预测方法能够有效地完成药物靶点亲和力预测。

Patent Agency Ranking