本研究提出了多位温度编码和非对称向量相似性搜索方法，解决了多类少样本学习中内存增强神经网络的容量和能量开销问题。通过优化控制器训练和减少搜索迭代次数，提高了系统的可靠性和准确性。搜索迭代次数最多减少32倍，准确性提升1.58%至6.94%。