[发明专利]一种基于量子卷积神经网络的核阀门异常状态识别方法在审
| 申请号： | 202211135581.0 | 申请日： | 2022-09-19 |
| 公开（公告）号： | CN115563464A | 公开（公告）日： | 2023-01-03 |
| 发明（设计）人： | 唐樟春;岳涧洲;湛力;夏艳君;刘志龙;潘阳红 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06F18/00 | 分类号： | G06F18/00;G06N3/0464;G06N3/08;G06N10/20;G06N10/60;F16K37/00 |
| 代理公司： | 电子科技大学专利中心 51203 | 代理人： | 陈一鑫 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于量子卷积神经网络的核阀门异常状态识别方法，包括：对振动数据进行傅里叶变换，提取时频域特征并将其转化为量子态；构建具有量子模拟电路层、卷积神经网络层、量子比特观测层、全连接层、量子网络优化更新层的量子卷积神经网络模型；多次迭代训练模型并优化模型中的量子门参数，使输出结果尽可能达到目标输出，实现机器学习的多分类任务。本发明能从更多方面提取了量子特征，能够更准确的识别出阀门的异常状态。 | ||
| 搜索关键词： | 一种 基于 量子 卷积 神经网络 阀门 异常 状态 识别 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202211135581.0/，转载请声明来源钻瓜专利网。
- 上一篇：轻量级边缘节点安全防护系统及方法
- 下一篇：一种智能燃气表壳体制造加工方法
