亚洲精品久久久久久久久久久,亚洲国产精品一区二区制服,亚洲精品午夜精品,国产成人精品综合在线观看,最近2019中文字幕一页二页

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

衍射光學(xué)神經(jīng)網(wǎng)絡(luò)可以滿足巨大的數(shù)據(jù)需求

led13535084363 ? 來(lái)源:光行天下 ? 2023-02-20 14:03 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

新研究發(fā)現(xiàn),一種使用光子而不是電子的模擬大腦的神經(jīng)網(wǎng)絡(luò),可以通過(guò)使用數(shù)千種波長(zhǎng)的光同時(shí)運(yùn)行許多計(jì)算,快速分析大量數(shù)據(jù)。

人工神經(jīng)網(wǎng)絡(luò)在分析醫(yī)學(xué)掃描和支持自動(dòng)駕駛汽車(chē)等應(yīng)用中的應(yīng)用越來(lái)越廣泛。在這些人工智能系統(tǒng)中,組件(也稱為神經(jīng)元)被輸入數(shù)據(jù)并合作解決問(wèn)題,例如識(shí)別人臉。如果神經(jīng)網(wǎng)絡(luò)具有多層神經(jīng)元,則稱其為“深層”。

隨著神經(jīng)網(wǎng)絡(luò)的規(guī)模和功率的增長(zhǎng),當(dāng)在傳統(tǒng)電子設(shè)備上運(yùn)行時(shí),它們?cè)絹?lái)越需要能量。這就是為什么一些科學(xué)家一直在研究光學(xué)計(jì)算作為一種有前途的下一代人工智能媒介。這種方法使用光而不是電來(lái)執(zhí)行計(jì)算,比電子計(jì)算方法更快,功耗更低。

例如,衍射光學(xué)神經(jīng)網(wǎng)絡(luò)由一堆層組成,每個(gè)層都有數(shù)千個(gè)像素,可以衍射或散射光。這些衍射特征充當(dāng)神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元。深度學(xué)習(xí)用于設(shè)計(jì)每一層,因此當(dāng)以光的形式的輸入照射到堆棧上時(shí),輸出光對(duì)來(lái)自圖像分類或圖像重建等復(fù)雜任務(wù)的數(shù)據(jù)進(jìn)行編碼。這項(xiàng)研究的資深作者、加州大學(xué)洛杉磯分校的光學(xué)工程師Aydogan Ozcan表示,所有這些計(jì)算“除了照明光之外,不消耗電力”。

這種衍射網(wǎng)絡(luò)可以以光速分析大量數(shù)據(jù),以執(zhí)行諸如識(shí)別物體的任務(wù)。例如,它們可以幫助自動(dòng)駕駛車(chē)輛立即識(shí)別行人或交通標(biāo)志,或者幫助醫(yī)療診斷系統(tǒng)快速識(shí)別疾病證據(jù)。傳統(tǒng)的電子設(shè)備需要首先對(duì)這些物體進(jìn)行成像,然后將這些信號(hào)轉(zhuǎn)換成數(shù)據(jù),最后運(yùn)行程序來(lái)確定這些物體是什么。相比之下,衍射網(wǎng)絡(luò)只需要接收從那些能夠識(shí)別物體的物體反射或以其他方式到達(dá)的光,因?yàn)閬?lái)自該物體的光大部分被衍射到分配給該類物體的單個(gè)像素。

此前,Ozcan和他的同事使用一系列使用3D打印制造的64平方厘米薄聚合物晶片設(shè)計(jì)了單色衍射網(wǎng)絡(luò)。當(dāng)用單個(gè)波長(zhǎng)或顏色的光照射時(shí),該衍射網(wǎng)絡(luò)可以實(shí)現(xiàn)單個(gè)矩陣乘法運(yùn)算。這些計(jì)算涉及到將被稱為矩陣的數(shù)字網(wǎng)格相乘,是許多計(jì)算任務(wù)的關(guān)鍵,包括操作神經(jīng)網(wǎng)絡(luò)。

現(xiàn)在,研究人員開(kāi)發(fā)了一種寬帶衍射光學(xué)處理器,它可以同時(shí)接受多個(gè)輸入波長(zhǎng)的光,進(jìn)行多達(dá)數(shù)千次“以光速同時(shí)執(zhí)行”的矩陣乘法運(yùn)算。

在這項(xiàng)新的研究中,科學(xué)家們3D打印了三個(gè)衍射層,每個(gè)衍射層具有14400個(gè)衍射特征。他們的實(shí)驗(yàn)表明,衍射網(wǎng)絡(luò)可以使用兩個(gè)亞毫米波長(zhǎng)的太赫茲頻率信道成功運(yùn)行。他們的計(jì)算機(jī)模型表明,這些衍射網(wǎng)絡(luò)可以同時(shí)接受大約2000個(gè)波長(zhǎng)信道。

Ozcan說(shuō):“我們通過(guò)采用波長(zhǎng)復(fù)用的方案,證明了大規(guī)模并行光學(xué)計(jì)算的可行性”。

科學(xué)家們指出,使用可見(jiàn)光和太赫茲以外的其他頻率的光構(gòu)建衍射網(wǎng)絡(luò)應(yīng)該是可能的。這種光學(xué)神經(jīng)網(wǎng)絡(luò)也可以由多種材料和技術(shù)制造。

總之,它們可能會(huì)在各個(gè)領(lǐng)域找到應(yīng)用,例如生物醫(yī)學(xué)成像、遙感、分析化學(xué)和材料科學(xué)。

審核編輯 :李倩

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4821

    瀏覽量

    106452
  • 人工智能
    +關(guān)注

    關(guān)注

    1813

    文章

    49594

    瀏覽量

    260036
  • 3D打印
    +關(guān)注

    關(guān)注

    27

    文章

    3614

    瀏覽量

    116209

原文標(biāo)題:衍射光學(xué)神經(jīng)網(wǎng)絡(luò)可以滿足巨大的數(shù)據(jù)需求

文章出處:【微信號(hào):光行天下,微信公眾號(hào):光行天下】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    :   神經(jīng)網(wǎng)絡(luò)卷積函數(shù)   神經(jīng)網(wǎng)絡(luò)激活函數(shù)   全連接層函數(shù)   神經(jīng)網(wǎng)絡(luò)池化函數(shù)   Softmax 函數(shù)   神經(jīng)網(wǎng)絡(luò)支持功能   該庫(kù)具有用于操作不同權(quán)重和激活
    發(fā)表于 10-29 06:08

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    模型。 我們使用MNIST數(shù)據(jù)集,訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,用于手寫(xiě)數(shù)字識(shí)別。一旦模型被訓(xùn)練并保存,就可以用于對(duì)新圖像進(jìn)行推理和預(yù)測(cè)。要使用生成的模型進(jìn)行推理,可以按照以下步
    發(fā)表于 10-22 07:03

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    問(wèn)題。因此,并行計(jì)算與加速技術(shù)在神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用中變得至關(guān)重要,它們能夠顯著提升神經(jīng)網(wǎng)絡(luò)的性能和效率,滿足實(shí)際應(yīng)用中對(duì)快速響應(yīng)和大規(guī)模數(shù)據(jù)處理的
    的頭像 發(fā)表于 09-17 13:31 ?820次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    神經(jīng)網(wǎng)絡(luò)壓縮框架 (NNCF) 中的過(guò)濾器修剪統(tǒng)計(jì)數(shù)據(jù)怎么查看?

    無(wú)法觀察神經(jīng)網(wǎng)絡(luò)壓縮框架 (NNCF) 中的過(guò)濾器修剪統(tǒng)計(jì)數(shù)據(jù)
    發(fā)表于 03-06 07:10

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?1149次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)分析

    自學(xué)習(xí)能力 : BP神經(jīng)網(wǎng)絡(luò)能夠通過(guò)訓(xùn)練數(shù)據(jù)自動(dòng)調(diào)整網(wǎng)絡(luò)參數(shù),實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的分類、回歸等任務(wù),無(wú)需人工進(jìn)行復(fù)雜的特征工程。 泛化能力強(qiáng) : BP
    的頭像 發(fā)表于 02-12 15:36 ?1376次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系,以下是對(duì)它們之間關(guān)系的介紹: 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò),即反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural N
    的頭像 發(fā)表于 02-12 15:15 ?1250次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的基本原理

    輸入層、隱藏層和輸出層組成。其中,輸入層負(fù)責(zé)接收外部輸入數(shù)據(jù),這些數(shù)據(jù)隨后被傳遞到隱藏層。隱藏層是BP神經(jīng)網(wǎng)絡(luò)的核心部分,它可以通過(guò)一層或多層神經(jīng)
    的頭像 發(fā)表于 02-12 15:13 ?1395次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    所擬合的數(shù)學(xué)模型的形式受到大腦中神經(jīng)元的連接和行為的啟發(fā),最初是為了研究大腦功能而設(shè)計(jì)的。然而,數(shù)據(jù)科學(xué)中常用的神經(jīng)網(wǎng)絡(luò)作為大腦模型已經(jīng)過(guò)時(shí),現(xiàn)在它們只是能夠在某些應(yīng)用中提供最先進(jìn)性能的機(jī)器學(xué)習(xí)模型。近年來(lái),由于
    的頭像 發(fā)表于 01-09 10:24 ?1960次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    基于光學(xué)衍射神經(jīng)網(wǎng)絡(luò)的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與實(shí)驗(yàn)研究

    隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展,光學(xué)神經(jīng)網(wǎng)絡(luò)(ONN)的研究受到廣泛關(guān)注。研究人員從衍射光學(xué)、散射光、光干涉以及光學(xué)
    的頭像 發(fā)表于 12-07 17:39 ?3246次閱讀
    基于<b class='flag-5'>光學(xué)</b><b class='flag-5'>衍射</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與實(shí)驗(yàn)研究

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    神經(jīng)網(wǎng)絡(luò),也稱為全連接神經(jīng)網(wǎng)絡(luò)(Fully Connected Neural Networks,F(xiàn)CNs),其特點(diǎn)是每一層的每個(gè)神經(jīng)元都與下一層的所有神經(jīng)元相連。這種結(jié)構(gòu)簡(jiǎn)單直觀,但在
    的頭像 發(fā)表于 11-15 14:53 ?2326次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)領(lǐng)域中的一種強(qiáng)大工具,它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的類型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(如前饋
    的頭像 發(fā)表于 11-15 09:42 ?1863次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)準(zhǔn)備方法

    : 一、數(shù)據(jù)收集與清洗 數(shù)據(jù)收集 : 根據(jù)LSTM神經(jīng)網(wǎng)絡(luò)的應(yīng)用場(chǎng)景(如時(shí)間序列預(yù)測(cè)、自然語(yǔ)言處理等),收集相關(guān)的時(shí)間序列數(shù)據(jù)或文本數(shù)據(jù)。
    的頭像 發(fā)表于 11-13 10:08 ?2730次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制

    LSTM(Long Short-Term Memory,長(zhǎng)短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),設(shè)計(jì)用于解決長(zhǎng)期依賴問(wèn)題,特別是在處理時(shí)間序列數(shù)據(jù)時(shí)表現(xiàn)出色。以下是LSTM神經(jīng)
    的頭像 發(fā)表于 11-13 10:05 ?2068次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的基本原理 如何實(shí)現(xiàn)LSTM神經(jīng)網(wǎng)絡(luò)

    LSTM(長(zhǎng)短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長(zhǎng)期依賴信息。在處理序列數(shù)據(jù)時(shí),如時(shí)間序列分析、自然語(yǔ)言處理等,LSTM因其能夠有效地捕捉時(shí)間序列中的長(zhǎng)期依賴關(guān)系而受到
    的頭像 發(fā)表于 11-13 09:53 ?2381次閱讀