导航菜单

全光学衍射神经网络通过电子神经网络缩小了性能差距

Advanced Photonics中的一篇新论文展示了衍射光学神经网络的推理和泛化性能的明显改进。

本文讨论的一个关键改进是“衍射光学神经网络中的类特定差分检测提高了推理精度”,它结合了差分检测方案和一组并行操作衍射光网络,其中该组的每个单独网络专门用于特定识别对象类的子组。

根据加利福尼亚大学洛杉矶分校的SPIE研究员Aydogan Ozcan和该论文的作者之一,这些结果“为基于光学神经网络的低功耗和低延迟解决方案提供了一项重大进步,适用于各种机器学习应用“。

这项最新研究是Ozcan光学机器学习框架的重大进步:该技术对于比标准的基于计算机的机器学习系统更快速地识别目标对象并且功耗显着降低尤为重要。最终,它可能为自动驾驶汽车,机器人和各种防御相关应用等提供主要优势。

衍射光网络设计的这些最新系统进步有可能推动下一代,任务专用和智能计算相机系统的发展。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。