空间连贯性在衍射光学神经网络中的作用
Optics express
|November 14, 2024
概括
本研究探讨了衍射光学神经网络 (DONN) 的空间连贯性,这对于现实世界的应用至关重要. 我们开发了一种模拟方法来分析DONN的性能,用于机器学习任务,使用不同的光连贯度.
科学领域:
- 光学是什么?光学是什么?光学是什么?
- 机器学习 机器学习
- 计算机视觉 计算机视觉
背景情况:
- 衍射光学神经网络 (DONN) 为机器学习提供快速,节能的处理.
- 现有的DONN研究主要使用连贯光,限制了现实世界的适用性.
- 光信号的空间连贯性是许多DONN应用的关键因素.
研究的目的:
- 调查空间连贯性对DONN性能的影响.
- 在各种连贯性条件下开发DONN的高效数值模拟.
- 用部分连贯和不连贯的光来评估DONN的能力.
主要方法:
- 为DONNs开发了一个数值模拟方法.
- 分析了计算复杂性,以模拟不同的连贯性级别.
- 在MNIST数据集上训练和评估模拟的DONN,空间连贯性不同.
主要成果:
- 证明了用不连贯和部分连贯光模拟DONN的能力.
- 在模拟中量化了空间连贯性对DONN性能的影响.
- 成功处理了MNIST数据集中的手写数字,一致性各不相同.
结论:
- 空间连贯性显著影响DONN的性能.
- 开发的模拟方法允许在现实的光学条件下对DONN进行高效的分析.
- 这项工作为多种现实世界的机器学习应用程序中的DONNs铺平了道路.


