一种导模光电探测器
    121.
    发明公开

    公开(公告)号:CN113284964A

    公开(公告)日:2021-08-20

    申请号:CN202110438858.6

    申请日:2021-04-22

    Abstract: 本申请实施例提供一种导模光电探测器。其中,导模光电探测器包括:光波导结构,包括芯层和包裹芯层的包层,芯层延第一方向延伸预设距离,芯层的第一端用于接收目标入射光;目标入射光进入光波导结构后以导模光的形式沿第一方向传播;P型欧姆接触区和N型欧姆接触区,为芯层两侧的掺杂部分,均沿第一方向延伸;以及,P型电极和N型电极,沿第一方向延伸,并且P型电极与P型欧姆接触区的侧面贴合,N型电极与N型欧姆接触区的侧面贴合,用于收集目标入射光与芯层相互作用所产生的光生载流子。通过本方案可以解决现有光电探测器对波长接近光电探测器半导体材料禁带宽度的目标入射光的探测效率低的问题。

    基于QAM的量子噪声加密方法和系统

    公开(公告)号:CN112291052A

    公开(公告)日:2021-01-29

    申请号:CN202011119736.2

    申请日:2020-10-19

    Abstract: 本发明公开了一种基于QAM的量子噪声加密方法和系统,所述方法包括:将基于QAM的I/Q路种子密钥扩展为I/Q路运行密钥;将I路和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路和Q路模式密钥;根据I路和Q路运行、模式密钥生成I路基和Q路基;利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。应用本发明可以提高系统的加密传输安全性,且不需要添加额外的密钥扩展器,节省成本。

    一种移动边缘计算中能耗最小化的处理方法及装置

    公开(公告)号:CN111949110A

    公开(公告)日:2020-11-17

    申请号:CN202010686852.6

    申请日:2020-07-16

    Abstract: 本发明实施例提供了一种移动边缘计算中能耗最小化的处理方法及装置,可以获取总能耗与压缩比的第一函数关系,总能耗表示对原始数据进行压缩得到目标数据的能耗,与向边缘服务器发送目标数据的能耗的和值;确定第一函数关系中最小的总能耗对应的压缩比,作为第一压缩比;基于第一压缩比和第一压缩比区间,确定目标压缩比,第一压缩比区间包含对原始数据进行压缩支持的所有压缩比;按照目标压缩比对原始数据进行压缩,得到目标数据。基于上述处理,由于第一压缩比为最小的总能耗对应的压缩比,基于第一压缩比和第一压缩比区间,能够确定出总能耗较小的目标压缩比,进而,基于目标压缩比对原始数据进行压缩,可以降低客户端的总能耗。

    一种开源软件漏洞分析方法、装置和存储介质

    公开(公告)号:CN108763928A

    公开(公告)日:2018-11-06

    申请号:CN201810415008.2

    申请日:2018-05-03

    Abstract: 本申请提供了一种开源软件漏洞分析方法、装置和存储介质,涉及开源软件漏洞分析技术领域,该方法包括:获取待测软件中的开源代码;将所述开源代码的源文件集与漏洞库中的源码型漏洞进行同源性比对检测;输出比对检测结果。本申请实施例提供的一种开源软件漏洞分析方法、装置和存储介质,将待测软件中的开源代码进行同源性比对检测,可以对待测软件中的开源代码是否含有漏洞实现准确,高效的识别。

    输出状态稳定可控的多缺陷一维光子晶体全光开关的实现方法

    公开(公告)号:CN101598883A

    公开(公告)日:2009-12-09

    申请号:CN200910087698.4

    申请日:2009-07-03

    Abstract: 本发明涉及一种输出状态稳定可控的多缺陷一维光子晶体全光开关的实现方法,本发明设计了一种一维光子晶体级联结构,在周期性排列的线性介质层中加入具有较高非线性系数的非线性材料,利用引入多缺陷结构而产生的宽带缺陷模和窄带缺陷模来实现光开关效应,并同时实现泵浦光对非线性介质折射率的稳定控制,解决了全光开关设计中所存在的输出状态不易稳定控制的难题,从而得到实现性能稳定、响应时间快的全光开关,为未来全光通信网络、光计算机等领域提供了一种可实现全光开关的方法。

    一种基于零样本学习的视频动作识别方法

    公开(公告)号:CN114842398B

    公开(公告)日:2024-12-17

    申请号:CN202210563048.8

    申请日:2022-05-23

    Inventor: 肖波 王博 赵凯莉

    Abstract: 本发明公开了一种基于零样本学习的视频动作识别方法,提出了一个新的实例级别的视频属性作为语义特征,该语义特征利用了视频的空间信息与时序信息,能够为视频提供更加精确的语义描述,从而更好地连接可见类别与不可见类别,在不可见类别上能够取得更高的识别准确率。同时,为了更好地优化视觉‑语义联合空间,本发明设计了一个新的对比损失函数——视觉‑实例级别的视频属性对比损失函数。该对比损失函数既考虑了不同视频个体视觉表征与语义表征之间的关系,又考虑了不同类别视频视觉表征之间的关系,使得视觉‑语义联合空间具有更好的对齐性与均匀性,这两个特性使得训练好的模型在不可见类别上的性能更优。

    一种基于零样本学习的视频动作识别方法

    公开(公告)号:CN114842398A

    公开(公告)日:2022-08-02

    申请号:CN202210563048.8

    申请日:2022-05-23

    Inventor: 肖波 王博 赵凯莉

    Abstract: 本发明公开了一种基于零样本学习的视频动作识别方法,提出了一个新的实例级别的视频属性作为语义特征,该语义特征利用了视频的空间信息与时序信息,能够为视频提供更加精确的语义描述,从而更好地连接可见类别与不可见类别,在不可见类别上能够取得更高的识别准确率。同时,为了更好地优化视觉‑语义联合空间,本发明设计了一个新的对比损失函数——视觉‑实例级别的视频属性对比损失函数。该对比损失函数既考虑了不同视频个体视觉表征与语义表征之间的关系,又考虑了不同类别视频视觉表征之间的关系,使得视觉‑语义联合空间具有更好的对齐性与均匀性,这两个特性使得训练好的模型在不可见类别上的性能更优。

Patent Agency Ranking