专利交易市场

本申请涉及一种基于量子自组织模糊神经网络的分组密码识别方法。该方法包括：获取待识别的密文数据编码为输入量子态；通过生物启发式门控网络，利用神经突触兴奋‑抑制机制对待识别的密文数据与多专家系统的激活强度向量进行处理，确定每个量子专家的净突触输入值；采用Top‑K稀疏化策略从多专家系统中选择净突触输入值最大的k个量子专家，构成激活专家子集；根据激活专家子集中每个量子专家的净突触输入值和对应的激活强度进行分析，确定激活专家子集中每一个量子专家的最终门控权重；将输入量子态输入激活专家子集中每一个量子专家进行分组密码类型识别，获得最终的分组密码类型识别结果。降低了资源消耗。

本发明公开了一种适配高维输入的量子模糊神经网络及分类方法，涉及量子计算、模糊神经网络领域及计算机视觉领域。网络输入层接收高维数据，通过量子模糊特征提取模块进行振幅编码、正反向增强型链式纠缠层、参数化量子变换与模糊集映射，输出动态维度模糊特征；通过DNN特征提取模块提取高维神经特征，以适配量子模糊特征维度；通过自适应特征融合模块，动态分配量子模糊特征与经典神经特征的权重；通过分类器对融合特征进行Softmax分类，输出类别概率。本发明可以有效提升高维数据编码效率，增强量子部分学习复杂模糊逻辑关系的能力和量子态关联稳定性，表征数据的不确定性，在减少噪声干扰的同时实现高维含不确定性图像的精准分类。

本发明请求保护一种基于区间二型模糊神经网络的垂直切换算法，属于移动通信技术领域，具体包括以下步骤：首先，在网络预筛选阶段，定义了历史接入率，结合当前候选网络集的数目设置阈值。根据接收信号强度和剩余可用带宽，对用户接收范围内的所有网络进行初步筛选；然后在垂直切换判决阶段，将剩余候选网络的时延，丢包率以及误码率作为区间二型模糊神经网络的输入，利用前馈神经网络的结构完成模糊逻辑推理，经训练之后计算得到输出判决值，从而选择最佳接入网络。最后，实验结果表明，该算法能在保证时间复杂度较低的同时，有效降低切换决策的错误概率，减少切换失败和切换次数，提升网络总吞吐量。