结合层次图神经网络与长短期记忆的产业链风险评估系统

    公开(公告)号:CN118313668A

    公开(公告)日:2024-07-09

    申请号:CN202410581520.X

    申请日:2024-05-11

    摘要: 本发明公开了一种结合层次图神经网络与长短期记忆的产业链风险评估系统,涉及深度学习技术领域,包括:层次图构建模块,用于构建产业链‑投资层次图;财务特征提取模块,用于利用LSTM自编码器,从公司多个季度的财务数据中提取财务特征;投资特征提取模块,用于基于图同构网络模型对产业链‑投资层次图进行结构编码,提取投资关系特征;产业链风险评估预警模块,用于利用注意力机制融合财务特征和投资关系特征,基于融合后的特征通过图表示学习方法对产业链中的公司进行风险分类,得到并输出风险评估结果。本发明能精确地捕捉并分析产业链中公司的风险信息,能对产业链中企业风险及时感知,更好地捕获传染效应,识别出具有潜在风险的公司。

    一种基于量子信道的八量子比特受控双向通信方法

    公开(公告)号:CN118337383A

    公开(公告)日:2024-07-12

    申请号:CN202410581522.9

    申请日:2024-05-11

    IPC分类号: H04L9/08

    摘要: 本发明公开了一种基于量子信道的八量子比特受控双向通信方法,包括以下步骤:S1,构建一个三方共享的八比特纠缠态信道,用于对信息粒子的传输;S2,发送方Alice和Bob分别制备所要传输的量子态,并纠缠到量子信道进行测量;S3,接收双方在得到控制者Charlie的同意通信的条件下,Charlie对其粒子进行测量,通信双方在各自的量子位进行幺正操作还原。本发明利用Alice发送任意的两量子比特给Bob,Bob发送一个任意两比特给Alice,二者在Charlie的许可下完成发送粒子的重建。该方案与现有技术相比,具有较高的效率,执行的操作简单,测量,还原等操作较少,资源利用率较高,传输相同粒子的情况下量子资源消耗较少,与先前协议有较大优势。