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！

龙图腾网获悉北京理工大学申请的专利基于超表面的插拔衍射神经网络优化方法及任务识别器件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：CN116596050B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310433452.8，技术领域涉及：G06N3/067；该发明授权基于超表面的插拔衍射神经网络优化方法及任务识别器件是由黄玲玲;合聪;王涌天;李昕;李晓炜设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本基于超表面的插拔衍射神经网络优化方法及任务识别器件在说明书摘要公布了：本发明公开的基于超表面的插拔衍射神经网络优化方法及任务识别器件，属于光学神经网络、微纳光学、图像识别应用技术领域。插拔衍射神经网络由输入层、调制层、输出层三部分构成，调制层划分为共享层和插拔层；使用梯度下降算法和反向传播算法结合迁移学习算法优化插拔衍射神经网络调制层参数；根据优化完成的插拔衍射神经网络调制层相位分布挑选超表面纳米柱结构，并制备超表面；制作基于超表面的插拔衍射神经网络多任务识别器件，多任务识别器件包括掩模板、探测器、用于构建插拔衍射神经网络的超表面；通过切换网络中由超表面实现的可插拔组件，实现多种识别任务切换，提高插拔衍射神经网络的灵活性，同时减少计算资源消耗和训练时间。

本发明授权基于超表面的插拔衍射神经网络优化方法及任务识别器件在权利要求书中公布了：1.基于超表面的插拔衍射神经网络优化方法，其特征在于：通过切换插拔层插件实现多种识别任务的切换，包括如下步骤， 步骤一：基于超表面构建的插拔衍射神经网络由输入层、调制层、输出层三部分构成；输入层使用掩模板实现待识别的物体图像的信息编码，将图像信息编码至光束振幅通道中，作为信息输入到调制层中；调制层由多层相位分布组成并由多层超表面物理实现，其中：设定调制层数量为N，前N-M层为共享层，后M层为插拔层，MN，所述插拔层由用于实现不同分类任务的插拔层插件构成；输出层为预先设定好的探测平面，识别物体数量为C，则需要在探测平面选择C个等大区域作为子探测区域；通过将调制层分为共享层和插拔层，通过切换插拔层插件实现多种识别任务的切换；调制层层数N、插拔层层数M由插拔衍射神经网络在在识别任务中的性能而定； 步骤二：基于步骤一所述插拔衍射神经网络构建传播模型，所述传播模型划分为前向传播模块和反向传播模块；根据瑞利-索末菲衍射理论构建插拔衍射神经网络的前向传播模块，通过前向传播模块实现输入信息到探测平面的传播，用于检测插拔衍射神经网络的识别准确率；反向传播模块使用梯度下降算法和反向传播算法，根据损失函数梯度优化调制层的相位参数，进而得到调制层的相位分布；设总共有Y种数据集，首先从Y种数据集中选取一种，第一次训练插拔衍射神经网络，根据训练好的插拔衍射神经网络相位分布确定步骤一所需的调制层层数N；接着结合迁移学习算法选取另一种数据集对衍射神经网络插拔层相位参数继续训练，并且固定共享层相位参数，根据新训练好的插拔层相位分布确定插拔层层数M；最终确定调制层层数为N，插拔层层数为M，并确定插拔衍射神经网络的相位分布； 步骤三：根据步骤二确定的调制层的相位分布，挑选用于实现插拔衍射神经网络调制层所需相位分布的超表面纳米柱，根据步骤二确定的相位排布已挑选的超表面纳米柱，制作得到调制层，并根据步骤一构建基于超表面的插拔衍射神经网络。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。