跳到主要内容
检索

# 衍射神经网络

2 篇关联报道

订阅更新
  1. arXiv

    衍射光学网络不再预设输出图案:弱监督让手写字符按文字系统自组织,训练步数少约82%

    衍射光学神经网络通常先把每个类别指定到固定探测区域,再让光场去复现这一预设输出。新加坡科技设计大学与新加坡国立大学团队改用文字系统级别的粗粒度标签,以改进的对比目标只约束样本间关系,让手写梵文、阿拉伯文和英文的光学表示自行聚成三类。三层结构在共享训练终点上平均测试准确率为93.4%,对照的监督式光学网络为84.7%,且达到84.5%稳定准确率所需训练步数约为后者的18%。

  2. Science Advances

    微波衍射神经网络芯片:在毫米级GaAs芯片上同时实现感知与计算

    该工作采用GaAs半导体工艺制备了芯片级微波衍射神经网络(MDNN),通过级联耦合器与移相器在毫米级尺寸内实现衍射网络,将传统MDNN尺寸缩小四个数量级以上,计算延迟为2.05 ns,系统级能效为0.83 TOPS/W,并在MNIST手写数字识别、多用户干扰抑制和无人机实时障碍感知三个原型任务上取得超过86%的准确率,验证了该芯片在微波域直接进行数字图像处理与原位电磁信息处理的能力。

已读完全部报道