基于分散层的光电子混合网络.
Jiakang Zhu1,2, Qichang An1, Fei Yang1
1Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China.
Sensors (Basel, Switzerland)
|October 14, 2023
概括
本研究介绍了一种光电子混合网络,用于快速高效的目标识别. 这种新的系统以最小的数据和训练时间实现了高精度,克服了传统光学和电子神经网络的局限性.
科学领域:
- 光电学是指光电子产品.
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 电子神经网络在计算能力和硬件开发方面面临限制.
- 传统的光学衍射网络需要长时间的培训时间和大量的硬件来完成复杂的任务.
- 当前神经网络技术的计算需求和硬件能力之间存在差异.
研究的目的:
- 提出一个创新的光电子混合系统,将光学衍射和电子神经网络结合起来.
- 在复杂的应用中克服长时间培训和硬件要求的局限性.
- 用最少的数据开发一个强大而高效的目标识别系统.
主要方法:
- 开发了一个光电子混合系统,使用散射层而不是衍射层.
- 集成光学衍射网络输出与反向传播神经网络进行处理.
- 使用最小的数据进行训练和测试混合网络.
主要成果:
- 实现了93.3%的分类准确度,用于三类目标识别.
- 展示了9.2秒的非常短的训练时间.
- 仅需要100个数据样本 (70个培训,30个测试).
- 由于不敏感于散射元件的位置错误而表现出高强度.
结论:
- 拟议的光电子混合网络以最小的数据和培训时间提供了卓越的性能.
- 该系统克服了传统光学和电子神经网络的关键限制.
- 这项技术显示出在机器视觉,人脸识别和遥感领域的应用潜力巨大.
