[发明专利]一种训练和计算相似性哈希码的神经网络方法

权利要求书

1.一种训练和计算相似性哈希码的神经网络方法，包含以下步骤：

S1：使用一个神经网络将一个高维空间的向量z映射为低维空间的向量x；

S2：确定该神经网络的参数θ；

S3：使用神经网络f(*|θ)计算相似性哈希码，即强迫输出的值只取0/1二值。

2.根据权利要求1所述的训练和计算相似性哈希码的神经网络方法，其特征在于：包含以下公式：

其中，

公式中：表示对向量x的所有纬度求和得到一个标量。将输出的p作为向量z和z^/是否相似的概率；所述α是一个常数，用来调控sigmoid函数在0附近的斜率；

训练公式(3)所示的神经网络，采用交叉熵作为目标函数，即：

当z和z^/是相似的，则q＝1，若z和z^/不相似，则q＝0。

其中

1-mean(abs(x-0.5)+abs(x^/-0.5)) (6)

为正则化项，其作用是迫使x向量中每一维的值都趋近于0或1，即只取二值，经过训练，最优参数为

。

3.根据权利要求2所述的训练和计算相似性哈希码的神经网络方法，其特征在于：所述S3中sign(f(*|θ)-0.5)。