-
公开(公告)号：CN116543370A
公开(公告)日：2023-08-04
申请号：CN202310515766.2
申请日：2023-05-09
Applicant: 南京信息工程大学
IPC: G06V20/58 , G06V10/30 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于软阈值降噪的对比联邦学习交通路标识别方法和系统，方法包括以下步骤：S1：将训练好的全局图像识别降噪网络模型的模型参数传输至客户端，并在客户端构建本地图像识别降噪网络模型；S2：在客户端获取待识别的交通路标图片，基于本地图像识别降噪网络模型识别交通路标图片；S01：在服务端构建初始全局图像识别降噪网络模型，将初始全局图像识别降噪网络模型的全局模型参数发送至全部客户端；S02：在各个客户端搭建客户端本地图像识别降噪网络模型，并对本地图像识别降噪网络模型进行训练；S03：构建新的全局图像识别降噪网络模型；步骤S04：获取新的全局图像识别降噪网络模型的全局模型参数并发送至客户端，重复步骤S02‑S03。
-
公开(公告)号：CN112216375B
公开(公告)日：2023-05-09
申请号：CN202010920141.0
申请日：2020-09-03
Applicant: 南京信息工程大学
IPC: G16H40/67 , G16H50/20 , G06F16/953 , G06F40/30
Abstract: 本发明公开了一种自主构建医疗监测系统的方法，包括：预先封装训练完成的基于深度学习模型的医疗监测系统，并拆分成为若干个独立部署的微服务构件；将这些构件存储于微服务库中，并形成一个构件关系图；基于该构件关系图，用户自主输入关键词；基于A*的启发式算法，结合关键词与微服务构件的匹配程度，及微服务构件之间的数据通信关系，从构件关系图中搜索得到一个较优子图作为最优解；将搜索得到的较优子图中待组建的微服务构件和微服务构件之间的数据通信关系部署在边缘节点上，搭建获得所需的轻量级医疗监测系统。本发明能高效快速自动搜索搭建系统，自动精准构建满足用户功能需求的轻量级系统，很好地适配用户。
-
公开(公告)号：CN119338616A
公开(公告)日：2025-01-21
申请号：CN202411414401.1
申请日：2024-10-11
Applicant: 南京信息工程大学
IPC: G06Q50/00 , G06N3/098 , G06F18/213
Abstract: 本发明公开了一种基于个性化联邦学习的社交网络舆情分析方法及系统，属于舆情分析技术领域。本发明在参与者端和服务器端分别采取动态层级聚合与超网络更新机制，将参与者端与服务器端相结合，共同处理非独立同分布数据造成的数据偏差问题，降低对模型聚合造成的负面影响，得到适应各个用户习惯的社会网络舆情分析模型用于社交网络舆情分析。
-
公开(公告)号：CN119254433A
公开(公告)日：2025-01-03
申请号：CN202411484526.1
申请日：2024-10-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了通信安全技术领域的一种基于量子音频隐写的信息安全传输方法，应用于相互通信的发送端和接收端，包括：获取音频数据，对所述音频数据采用QRDA模型进行处理，得到量子音频数据；在所述发送端接收到秘密信息后，将所述秘密信息通过密钥加密并隐写嵌入所述量子音频数据中，生成传输数据并发送至所述接收端；在所述接收端接收到所述传输数据后，对所述传输数据进行隐写提取和解密，得到所述秘密信息。本发明采用QRDA模型将秘密信息转换为适合隐写的量子态。利用EMD算法在量子音频中嵌入交通信息，然后利用随机生成的密钥进行加密解密，在保证稳定传输交通信息前提下，利用量子优势，提高传输的安全性和效率。
-
公开(公告)号：CN119167330A
公开(公告)日：2024-12-20
申请号：CN202411668532.2
申请日：2024-11-21
Applicant: 南京信息工程大学
Abstract: 本发明公开一种量子区块链技术领域的用于消费电子中图像数字版权保护的量子区块链系统，包括数据初始化模块，初始化节点和量子密钥；发布交易模块，发起交易并广播给其他节点；身份认证模块，验证发起交易的节点的身份；交易验证模块，验证交易信息的有效性以及需要数字版权保护的图像的原创性，并将有效交易信息添加到待打包交易池；选取代表节点模块，选出代表节点；创建区块模块，将有效交易信息打包成区块广播给其他节点；添加区块模块，存储区块。本发明不仅具有良好的安全性，还有效地抵御了截获‑重发攻击、纠缠测量攻击、第三方攻击和冒充攻击，同时存储完整的版权信息的，还有效地防止了外部窃听，提高了区块认证和上链效率。
-
Patent Agency Ranking
公开(公告)号：CN118898086B
公开(公告)日：2024-12-13
申请号：CN202411400505.7
申请日：2024-10-09
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种医疗数据的联合预测方法、系统及介质，其方法包括：获取医疗数据中心的数据集；将所述医疗数据中心的数据集输入预先训练的数据预测模型，得到医疗数据中心的数据集的本地预测结果；利用所述量子本地数据训练量子节点权值，根据所述权值和医疗数据中心的数据集的本地预测结果，进行量子联合推理计算，得到所述医疗数据中心的数据集的联合预测结果。本发明对医疗数据中心的数据集进行本地预测，避免了训练阶段量子本地数据和数据预测模型的参数对外的传输，不会发生数据隐私泄露，更不会面临着梯度攻击的风险；不进行任何的数据传输，只在联合推理阶段进行一次量子联合推理，在非独立同分布数据集上的不会有性能的损失。
-
公开(公告)号：CN118762349B
公开(公告)日：2024-11-19
申请号：CN202411245459.8
申请日：2024-09-06
Applicant: 南京信息工程大学
IPC: G06V20/58 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于量子卷积神经网络的交通标志识别方法，具体包括如下步骤：步骤1：采集交通标志图像，并为每个图像进行标签处理；将采集的交通标志图像和对应的标签作为样本数据；步骤2：建立量子卷积神经网络，所述量子卷积神经网络包括预处理层，量子计算层和分类层；步骤3：对量子卷积神经网络进行训练，并采用训练好的量子卷积神经网络进行交通标志识别。本发明提高了交通标志分类性能，降低复杂性，能够应对大规模图像数据，具有较好的抗量子噪声性能，拥有很好的可应用性和可扩展性。
-
公开(公告)号：CN118644765B
公开(公告)日：2024-11-08
申请号：CN202411104260.3
申请日：2024-08-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了图像识别领域的一种基于异构和长尾数据的联邦学习方法及系统，方法包括：客户端接收全局模型和重训练模型，以及获取异构和长尾数据集，并对全局模型进行本地训练，以及利用重训练模型计算真实特征的梯度；客户端将本地模型和真实特征的梯度发送到服务器端聚合，得到聚合后的全局模型和类C的聚合特征梯度；服务器端构建类C的虚拟特征，并计算虚拟特征梯度，通过比较两个特征梯度之间的差异，选择一个最优的虚拟特征梯度，并获得对应的最新虚拟特征；服务器端将聚合后的全局模型和最新的重训练模型发送至客户端，完成当前迭代轮次的训练；本发明能够解决因异构和长尾数据导致联邦学习准确率低问题，从而有效保护数据的隐私。
-
公开(公告)号：CN112216375A
公开(公告)日：2021-01-12
申请号：CN202010920141.0
申请日：2020-09-03
Applicant: 南京信息工程大学
IPC: G16H40/67 , G16H50/20 , G06F16/953 , G06F40/30
Abstract: 本发明公开了一种自主构建医疗监测系统的方法，包括：预先封装训练完成的基于深度学习模型的医疗监测系统，并拆分成为若干个独立部署的微服务构件；将这些构件存储于微服务库中，并形成一个构件关系图；基于该构件关系图，用户自主输入关键词；基于A*的启发式算法，结合关键词与微服务构件的匹配程度，及微服务构件之间的数据通信关系，从构件关系图中搜索得到一个较优子图作为最优解；将搜索得到的较优子图中待组建的微服务构件和微服务构件之间的数据通信关系部署在边缘节点上，搭建获得所需的轻量级医疗监测系统。本发明能高效快速自动搜索搭建系统，自动精准构建满足用户功能需求的轻量级系统，很好地适配用户。
-
公开(公告)号：CN112185543A
公开(公告)日：2021-01-05
申请号：CN202010925639.6
申请日：2020-09-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种医疗感应数据流分类模型的构建方法，包括：采用自监督学习方法训练并获得基于CNN和LSTM结合的医疗感应数据流分类模型，包括：将未标注的数据输入医疗感应数据流分类模型的稀疏自编码器进行训练，使得模型的输入与输出一致；将带有标签的数据输入训练好的稀疏自编码器，输出得对应的分类结果；基于深度可分离卷积方法训练医疗感应数据流分类模型，获得轻量级医疗感应数据流分类模型，将获得的轻量级医疗感应数据流分类模型存储在云服务库中或部署在边缘设备上。本发明通过构建高效的、准确的轻量级模型，可以保证较高的异常诊断准确率，实现高精度疾病分类。在满足了高推理准确率的同时，符合了轻量化的要求，有效得以部署。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.026 seconds)
