买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉桂林电子科技大学申请的专利一种基于超表面的拟神经网络分类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118535970B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410616886.6，技术领域涉及：G06F18/241；该发明授权一种基于超表面的拟神经网络分类方法及系统是由丁数学;冯天耀;谭本英;李沐阳设计研发完成，并于2024-05-17向国家知识产权局提交的专利申请。

本一种基于超表面的拟神经网络分类方法及系统在说明书摘要公布了：本发明涉及一种基于超表面的拟神经网络分类方法及系统，旨在解决现有技术中优化算法所潜藏的梯度消失、梯度爆炸以及局域最小点等问题。包括：生成携带有所述真实类别的第一电磁波信息；利用初始网络模型对所述第一电磁波信息进行处理，得到第二电磁波信息；通过决策函数对所述第二电磁波信息进行处理，得到待分类目标的初始预测类别；判断所述初始预测类别与所述真实类别是否相同，得到判断结果；基于判断结果对初始神经网络模型进行多层级同步的迭代更新，得到结果神经网络模型；利用所述结果神经网络模型对所述第一电磁波信息进行结果类别的预测。本发明将参数优化方式从逐层优化改进为所有层同时优化，极大程度的提升了模型训练速度。

本发明授权一种基于超表面的拟神经网络分类方法及系统在权利要求书中公布了：1.一种基于超表面的拟神经网络分类方法,其特征在于，包括： S1：从分类目标样本集中随机挑选一个待分类目标，标记所述待分类目标的真实类别，标记完成后生成第一电磁波信息； 基于多块超表面板，利用神经网络方法构建多层级的初始神经网络模型，并定义所述初始神经网络模型的目标函数； S2：利用初始神经网络模型对所述第一电磁波信息进行处理，得到第二电磁波信息； S3：通过决策函数对所述第二电磁波信息进行处理，得到待分类目标的初始预测类别； S4：判断所述初始预测类别与所述真实类别是否相同，得到判断结果；基于判断结果对所述初始神经网络模型进行训练，并通过从分类目标样本集中重新挑选待分类目标实现对所述初始神经网络模型进行多层级同步的迭代更新，得到结果神经网络模型； 获取所述第一电磁波信息经过所有可编程超表面层后得到的电磁波输出矩阵，以及每一层可编程超表面层的复数传输系数矩阵；其中，所述电磁波输出矩阵为第二电磁波信息； 在每一层可编程超表面层中预设作用于所述复数传输系数矩阵的复数调整初始矩阵，并通过标记为真实类别的电磁波真实矩阵和判断为预测类别的电磁波输出矩阵对所述复数调整初始矩阵进行调整，得到每一层可编程超表面层的复数调整变化矩阵； 在每一层可编程超表面层中，基于各自的复数调整变化矩阵和各自的复数传输系数矩阵进行计算，得到每一层的复数传输系数变化矩阵；其中，每一层的复数传输系数变化矩阵如公式3所示： 其中，表示第l层的复数传输系数变化矩阵，Tl-1为第l层可编程超表面层的复数传输系数矩阵，Cl-1表示第l层复数调整变化矩阵； 在每一层可编程超表面层中，基于各自的复数传输系数变化矩阵对所述初始神经网络模型进行多层级同步更新,将每一层可编程超表面层的复数传输系数矩阵更新为对应的复数传输系数变化矩阵； S5:利用所述结果神经网络模型对所述第一电磁波信息进行处理，得到第三电磁波信息，并通过决策函数对所述第三电磁波信息进行处理，得到结果预测类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。