買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉桂林電子科技大學(xué)申請的專利一種基于超表面的擬神經(jīng)網(wǎng)絡(luò)分類方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN118535970B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202410616886.6，技術(shù)領(lǐng)域涉及：G06F18/241；該發(fā)明授權(quán)一種基于超表面的擬神經(jīng)網(wǎng)絡(luò)分類方法及系統(tǒng)是由丁數(shù)學(xué);馮天耀;譚本英;李沐陽設(shè)計研發(fā)完成，并于2024-05-17向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于超表面的擬神經(jīng)網(wǎng)絡(luò)分類方法及系統(tǒng)在說明書摘要公布了：本發(fā)明涉及一種基于超表面的擬神經(jīng)網(wǎng)絡(luò)分類方法及系統(tǒng)，旨在解決現(xiàn)有技術(shù)中優(yōu)化算法所潛藏的梯度消失、梯度爆炸以及局域最小點等問題。包括：生成攜帶有所述真實類別的第一電磁波信息；利用初始網(wǎng)絡(luò)模型對所述第一電磁波信息進行處理，得到第二電磁波信息；通過決策函數(shù)對所述第二電磁波信息進行處理，得到待分類目標的初始預(yù)測類別；判斷所述初始預(yù)測類別與所述真實類別是否相同，得到判斷結(jié)果；基于判斷結(jié)果對初始神經(jīng)網(wǎng)絡(luò)模型進行多層級同步的迭代更新，得到結(jié)果神經(jīng)網(wǎng)絡(luò)模型；利用所述結(jié)果神經(jīng)網(wǎng)絡(luò)模型對所述第一電磁波信息進行結(jié)果類別的預(yù)測。本發(fā)明將參數(shù)優(yōu)化方式從逐層優(yōu)化改進為所有層同時優(yōu)化，極大程度的提升了模型訓(xùn)練速度。

本發(fā)明授權(quán)一種基于超表面的擬神經(jīng)網(wǎng)絡(luò)分類方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于超表面的擬神經(jīng)網(wǎng)絡(luò)分類方法,其特征在于，包括： S1：從分類目標樣本集中隨機挑選一個待分類目標，標記所述待分類目標的真實類別，標記完成后生成第一電磁波信息； 基于多塊超表面板，利用神經(jīng)網(wǎng)絡(luò)方法構(gòu)建多層級的初始神經(jīng)網(wǎng)絡(luò)模型，并定義所述初始神經(jīng)網(wǎng)絡(luò)模型的目標函數(shù)； S2：利用初始神經(jīng)網(wǎng)絡(luò)模型對所述第一電磁波信息進行處理，得到第二電磁波信息； S3：通過決策函數(shù)對所述第二電磁波信息進行處理，得到待分類目標的初始預(yù)測類別； S4：判斷所述初始預(yù)測類別與所述真實類別是否相同，得到判斷結(jié)果；基于判斷結(jié)果對所述初始神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，并通過從分類目標樣本集中重新挑選待分類目標實現(xiàn)對所述初始神經(jīng)網(wǎng)絡(luò)模型進行多層級同步的迭代更新，得到結(jié)果神經(jīng)網(wǎng)絡(luò)模型； 獲取所述第一電磁波信息經(jīng)過所有可編程超表面層后得到的電磁波輸出矩陣，以及每一層可編程超表面層的復(fù)數(shù)傳輸系數(shù)矩陣；其中，所述電磁波輸出矩陣為第二電磁波信息； 在每一層可編程超表面層中預(yù)設(shè)作用于所述復(fù)數(shù)傳輸系數(shù)矩陣的復(fù)數(shù)調(diào)整初始矩陣，并通過標記為真實類別的電磁波真實矩陣和判斷為預(yù)測類別的電磁波輸出矩陣對所述復(fù)數(shù)調(diào)整初始矩陣進行調(diào)整，得到每一層可編程超表面層的復(fù)數(shù)調(diào)整變化矩陣； 在每一層可編程超表面層中，基于各自的復(fù)數(shù)調(diào)整變化矩陣和各自的復(fù)數(shù)傳輸系數(shù)矩陣進行計算，得到每一層的復(fù)數(shù)傳輸系數(shù)變化矩陣；其中，每一層的復(fù)數(shù)傳輸系數(shù)變化矩陣如公式3所示： 其中，表示第l層的復(fù)數(shù)傳輸系數(shù)變化矩陣，Tl-1為第l層可編程超表面層的復(fù)數(shù)傳輸系數(shù)矩陣，Cl-1表示第l層復(fù)數(shù)調(diào)整變化矩陣； 在每一層可編程超表面層中，基于各自的復(fù)數(shù)傳輸系數(shù)變化矩陣對所述初始神經(jīng)網(wǎng)絡(luò)模型進行多層級同步更新,將每一層可編程超表面層的復(fù)數(shù)傳輸系數(shù)矩陣更新為對應(yīng)的復(fù)數(shù)傳輸系數(shù)變化矩陣； S5:利用所述結(jié)果神經(jīng)網(wǎng)絡(luò)模型對所述第一電磁波信息進行處理，得到第三電磁波信息，并通過決策函數(shù)對所述第三電磁波信息進行處理，得到結(jié)果預(yù)測類別。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人桂林電子科技大學(xué)，其通訊地址為：541004 廣西壯族自治區(qū)桂林市七星區(qū)金雞路1號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。