申请/专利权人：华南理工大学

申请日：2024-02-06

公开（公告）日：2024-05-07

公开（公告）号：CN117993462A

主分类号：G06N3/08

分类号：G06N3/08;G06N3/048;G06F18/213;G06F18/22;G06F18/2415;G06F18/2431;G06V10/82;G06V10/44;G06V10/74;G06V10/764;G06V40/00;G10L17/02;G10L17/04;G10L17/18

优先权：

专利状态码：在审-公开

法律状态：2024.05.07#公开

摘要：本发明提供了一种基于自适应损失函数的生物特征认证方法、介质及设备；其中，方法为：采用神经网络模型对待认证信息进行特征提取，然后根据提取到的特征得到生物认证结果；神经网络模型训练时，采用自适应损失函数：其中，θl表示代理和归一化样本特征之间的角度；s表示尺度系数；C为训练样本类别数量；m表示自适应间隔系数。该方法采用的自适应损失函数具有非常稳定和优越的性能表现，从而提升神经网络模型的性能，提高生物特征认证的准确率。

主权项：1.一种基于自适应损失函数的生物特征认证方法，其特征在于：采用神经网络模型对待认证信息进行特征提取，然后根据提取到的特征得到生物认证结果；所述神经网络模型训练时，采用自适应损失函数自适应损失函数为： 其中，θl表示代理和归一化样本特征之间的角度；x表示输入到神经网络模型Softmax函数的样本特征，l表示样本特征x的标签；Wl表示神经网络模型Softmax函数权重矩阵的第l行，s表示尺度系数；C为训练样本类别数量；a为常数；m表示自适应间隔系数；所述自适应间隔系数m通过如下公式计算得到：m＝maxma+Δm,mth 其中，ma表示当前间隔；mth表示设定的自适应间隔系数m的最小值；Δm表示间隔差值；clamp表示截断操作，若超出范围，则截断为Dmin或Dmax；mu表示间隔探索的上限。

全文数据：

权利要求：

百度查询： 华南理工大学 基于自适应损失函数的生物特征认证方法、介质及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD