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！

龙图腾网获悉宁波大学申请的专利一种基于脉冲神经网络和软相似度损失的哈希检索方法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：CN120162464B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202510040306.8，技术领域涉及：G06F16/783；该发明授权一种基于脉冲神经网络和软相似度损失的哈希检索方法是由梅子豪;李建昊;钱江波设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种基于脉冲神经网络和软相似度损失的哈希检索方法在说明书摘要公布了：本发明公开了一种基于脉冲神经网络和软相似度损失的哈希检索方法，特点是首先利用脉冲神经网络的二进制脉冲特性，构建基于脉冲神经网络的Transformer特征提取层和基于脉冲神经网络的哈希层，在经过基于脉冲神经网络的Transformer特征提取层提取样本特征后，使用脉冲神经元构建哈希层，结合脉冲特征和哈希码的二进制特性，在多个时间步上进行决策得到最后的哈希码；优点是在对哈希检索网络优化时，引入动态的软相似性损失，捕获类别间更复杂的关系，使有效信息能够保留至不同训练轮次的特征学习，该动态软相似性损失能够更准确地反映类别间的相似性差异，提高模型的检索性能。

本发明授权一种基于脉冲神经网络和软相似度损失的哈希检索方法在权利要求书中公布了：1.一种基于脉冲神经网络和软相似度损失的哈希检索方法，其特征在于包括以下步骤： 步骤1：从原始数据集中选择N个数据作为训练样本，对训练样本进行数据预处理得到预处理后的训练数据，当原始数据集为动态视觉传感器DVS数据集，具体包括：根据时间窗口对动态视觉传感器DVS数据集的文件进行积分得到8个视频数据，则预处理后的训练数据包括8个时间步的视频数据； 当原始数据集为静态图像数据集，具体包括：复制静态图像数据集中的单张图片4次并将复制后的图片按序进行排列形成4个时间步图片序列，并作为预处理后的训练数据； 步骤2：构建待训练的哈希检索模型，包括基于脉冲神经网络的Transformer特征提取层、基于脉冲神经网络的哈希层和分类头，将N个预处理后的训练数据随机打乱后输入基于脉冲神经网络的Transformer特征提取层，得到特征提取后的样本特征； 步骤3：将特征提取后的样本特征输入基于脉冲神经网络的哈希层，得到训练样本的膜电位特征和训练样本对应的哈希码，再将训练样本对应的哈希码输入分类头，由分类头输出训练样本的分类结果； 步骤4：根据不同的训练样本的膜电位特征计算不同的训练样本的膜电位特征之间的余弦相似度，将不同的训练样本的膜电位特征之间的余弦相似度进行累加并归一化，得到训练样本的不同类别之间的类别相似度，再将训练样本的不同类别之间的类别相似度组成软相似性矩阵，定义待训练的哈希检索模型的损失函数，通过软相似性矩阵、训练样本的类别标签、训练样本对应的哈希码和训练样本的分类结果获取损失函数的值，通过反向传播迭代更新待训练的哈希检索模型开始训练过程，拉近相似训练样本对生成的哈希码，拉远不相似训练样本对生成的哈希码，直至达到设定的最大迭代更新次数后结束训练过程，得到训练后的哈希检索模型； 步骤5：从目标数据集中选取M个数据作为查询样本并构成查询集，将目标数据集中剩下的数据作为检索样本并构成检索集，将查询样本进行预处理得到预处理后的查询样本，将预处理后的查询样本输入训练后的哈希检索模型得到查询样本对应的哈希码；将检索样本进行预处理得到预处理后的检索样本，将预处理后的检索样本输入训练后的哈希检索模型得到检索样本对应的哈希码，将所有检索样本对应的哈希码组成的集合定义为哈希码检索库； 步骤6：在哈希码检索库中查找与查询样本对应的哈希码的海明距离最近的哈希码，并将与该哈希码对应的检索样本作为检索结果，完成对查询样本的检索过程。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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”。

以上内容由龙图腾AI智能生成。