公开(公告)号：CN117478278A

公开(公告)日：2024-01-30

申请号：CN202311802128.5

申请日：2023-12-26

Applicant: 南京信息工程大学

Inventor： 余文斌 ,  殷磊 ,  徐泽宇 ,  李杨松 ,  范程 ,  陈飞 ,  张成军

IPC: H04L1/00 ,  H04L9/08

Abstract: 本发明公开了一种实现零差错通信的方法、装置、终端及储存介质，涉及量子信息技术领域，旨在解决现有技术中传统情况下的零错误编码计算复杂度为较大的问题。方法包括根据量子信道的信息，获取系数矩阵；根据系数矩阵的秩计算结果，通过矩阵线性变换从系数矩阵中获得线性独立向量，根据线性独立向量，构建第一矩阵；计算第一矩阵和系数矩阵的关系矩阵；根据量子信道的信息、关系矩阵和系数矩阵，获取量子信道下编码后的输出，确定量子信道下编码后的输出可区分，实现零差错通信；本发明适用于量子信道，大幅减小了计算复杂度，从而可以达到较高的编码效率，具有很强的可行性。

公开(公告)号：CN119293587A

公开(公告)日：2025-01-10

申请号：CN202411360628.2

申请日：2024-09-27

Applicant: 南京信息工程大学

Inventor： 余文斌 ,  于楼洋 ,  张成军

IPC: G06F18/241 ,  G01R31/00 ,  G06F18/2415 ,  G06F18/15 ,  G06F18/213 ,  G06N3/006 ,  G06N3/0442 ,  G06N3/0985

Abstract: 本发明公开一种房屋能耗非侵入式负载监测方法、装置及存储介质，属于电力监测技术领域，所述方法包括以下步骤：使用动态粒子群优化算法对所有粒子进行随机初始化，得到粒子超参数组合；生成长短期记忆网络模型；将获取的历史电力分类数据集按照时间戳分为训练集和测试集，通过训练集进行训练，再通过测试集计算得到均方根差；将均方根差作为适应值来更新粒子的个体最优解以及整个粒子群当前全局最优解，然后计算粒子的权重，根据粒子的权重进行速度和位置的更新；确定迭代完全局最优解作为长短期记忆网络模型的最佳参数配置；将实时电力数据输入得到负载监测结果。本发明能够解决现有非侵入式负载监测方法存在复杂性较高，耗时较长且监测结果准确度低的问题。

公开(公告)号：CN118823485A

公开(公告)日：2024-10-22

申请号：CN202411149426.3

申请日：2024-08-21

Applicant: 南京信息工程大学

Inventor： 余文斌 ,  李新海 ,  孙磊 ,  王杰 ,  陈美旺 ,  朱健杰 ,  张成军

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06N10/60

Abstract: 本发明公开了一种量子多框目标检测方法，包括以下步骤：（1）获取VOC数据集的数据并进行预处理；（2）构建量子经典混合多框目标检测模型即构建改进的多框目标检测300模型：修改多框目标检测模型的第五个额外的特征提取层；（3）对改进的多框目标检测300模型模型进行训练，通过mAP指标值评估量子经典混合多框目标检测模型性能；本发明大幅降低了计算时间和计算复杂度。

公开(公告)号：CN118779756A

公开(公告)日：2024-10-15

申请号：CN202411255468.5

申请日：2024-09-09

Applicant: 南京信息工程大学

Inventor： 余文斌 ,  陈宗远 ,  张成军

IPC: G06F18/2415 ,  G06F18/15 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/048 ,  G06F123/02

Abstract: 本发明公开了基于多组模拟决策网络的非侵入式电力负荷识别方法，包括以下步骤：（1）获取电力负荷时间序列数据并进行预处理；（2）构建基于MGSDN的非侵入电力负荷识别网络，包括：图像特征模拟网络SNN模块和图像决策网络DmNN模块；其中，SNN模块用于生成模拟图像；DmNN用于接收真实和模拟图像，通过多层卷积操作输出预测结果；两个网络通过对抗性训练交替更新参数；（3）输出最终预测图像；本发明提升了准确性，特别是在检测频繁开关的电器时，准确率显著提高，更多的训练迭代次数进一步增强了模型的识别效果；在处理复杂环境和多种电器同时运行的情况下，依然表现出良好的鲁棒性和可靠性，具有较高的实用价值。

公开(公告)号：CN118657226A

公开(公告)日：2024-09-17

申请号：CN202411148997.5

申请日：2024-08-21

Applicant: 南京信息工程大学

Inventor： 余文斌 ,  陈美旺 ,  朱健杰 ,  任正举 ,  魏宏宇 ,  张成军

IPC: G06N10/20 ,  G06N10/60 ,  G06N3/096 ,  G06N3/0464

Abstract: 本发明公开了一种量子迁移学习方法，包括以下步骤：（1）获取Flowers Recognition花卉识别数据集和Animal‑10动物‑10数据集的数据并进行预处理；（2）构建ResNet18量子迁移学习模型和ResNet34量子迁移学习模型即在ResNet18网络和ResNet34网络中分别引入量子卷积神经网络模块；（3）分别对ResNet18量子迁移学习模型和ResNet34量子迁移学习模型进行训练，并与原有ResNet18和ResNet34模型进行对比；本发明将量子计算与迁移学习相融合，使得量子迁移学习模型能够取得比经典模型更好的性能或者速度。