一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評(píng)論與回復(fù)
      VIP于 到期 續(xù)費(fèi)
      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
      發(fā)布
      創(chuàng)作活動(dòng)

      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(chēng)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(chēng)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(lèi)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(lèi)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(chēng)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

        4812

        瀏覽量

        103220
      • 人工智能
        +關(guān)注

        關(guān)注

        1805

        文章

        48905

        瀏覽量

        248015
      • 3D打印
        +關(guān)注

        關(guān)注

        27

        文章

        3587

        瀏覽量

        111978

      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

        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 ?596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 ?1124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 ?2769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

        神經(jīng)網(wǎng)絡(luò)辨識(shí)模型具有什么特點(diǎn)

        神經(jīng)網(wǎng)絡(luò)辨識(shí)模型是一種基于人工神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)方法，它具有以下特點(diǎn)： 非線性映射能力 ：神經(jīng)網(wǎng)絡(luò)能夠處理非線性問(wèn)題，可以很好地?cái)M合復(fù)雜的非線性系統(tǒng)。 泛化能力 ：
        的頭像 發(fā)表于 07-11 11:12 ?843次閱讀

        20個(gè)數(shù)據(jù)可以訓(xùn)練神經(jīng)網(wǎng)絡(luò)嗎

        當(dāng)然可以，20個(gè)數(shù)據(jù)點(diǎn)對(duì)于訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)可能非常有限，但這并不意味著它們不能用于訓(xùn)練。實(shí)際上，神經(jīng)網(wǎng)絡(luò)可以訓(xùn)練在非常小的
        的頭像 發(fā)表于 07-11 10:29 ?1757次閱讀

        BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

        BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)稱(chēng)ANNs）之間的關(guān)系與區(qū)別，是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來(lái)發(fā)展等多個(gè)方面，詳細(xì)闡述BP
        的頭像 發(fā)表于 07-10 15:20 ?2210次閱讀

        rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

        RNN（Recurrent Neural Network）是循環(huán)神經(jīng)網(wǎng)絡(luò)，而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò)，能夠處理序列
        的頭像 發(fā)表于 07-05 09:52 ?988次閱讀

        遞歸神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)一樣嗎

        遞歸神經(jīng)網(wǎng)絡(luò)（Recursive Neural Network，RvNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）是兩種不同類(lèi)型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它們?cè)谔幚硇蛄?b class='flag-5'>
        的頭像 發(fā)表于 07-05 09:28 ?1584次閱讀

        遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)嗎

        。 遞歸神經(jīng)網(wǎng)絡(luò)的概念 遞歸神經(jīng)網(wǎng)絡(luò)是一種具有短期記憶功能的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)，如時(shí)間序列、文本、語(yǔ)音等。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同
        的頭像 發(fā)表于 07-04 14:54 ?1501次閱讀

        循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

        結(jié)構(gòu)。它們?cè)谔幚聿煌?lèi)型的數(shù)據(jù)和解決不同問(wèn)題時(shí)具有各自的優(yōu)勢(shì)和特點(diǎn)。本文將從多個(gè)方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的
        的頭像 發(fā)表于 07-04 14:24 ?2033次閱讀

        深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

        在探討深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）與基本神經(jīng)網(wǎng)絡(luò)（通常指?jìng)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò)）的區(qū)別時(shí)，我們需要從多個(gè)維度進(jìn)行深入分析。這些維度包括
        的頭像 發(fā)表于 07-04 13:20 ?1750次閱讀

        反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

        反向傳播神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network，簡(jiǎn)稱(chēng)BP神經(jīng)網(wǎng)絡(luò)）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過(guò)反向傳播算法來(lái)調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，以達(dá)到最小化誤差的
        的頭像 發(fā)表于 07-03 11:00 ?1240次閱讀

        如何使用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模和預(yù)測(cè)

        輸入信號(hào)，對(duì)其進(jìn)行加權(quán)求和，然后通過(guò)激活函數(shù)進(jìn)行非線性轉(zhuǎn)換，生成輸出信號(hào)。通過(guò)這種方式，神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)輸入數(shù)據(jù)的復(fù)雜模式和關(guān)系。 神經(jīng)網(wǎng)絡(luò)的類(lèi)型
        的頭像 發(fā)表于 07-03 10:23 ?1298次閱讀

        bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱(chēng)CNN）是兩種不同類(lèi)型的人工神經(jīng)網(wǎng)絡(luò)，它們?cè)?/div>
        的頭像 發(fā)表于 07-03 10:12 ?2559次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡(jiǎn)稱(chēng)CNN）和BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Networks，簡(jiǎn)稱(chēng)BPNN）是兩種
        的頭像 發(fā)表于 07-02 14:24 ?6066次閱讀