News center资讯中心

125587

资讯中心

光子神经网络已可识别基本符号

作者:大时代娱乐2018-08-08

大时代娱乐当谈到神经网络时,它似乎是一个深奥的话题。一个简单的理解是允许计算机以更快的速度运行的技术。

 

众所周知,加州大学洛杉矶分校神经网络厄扎坎实验室以其较高的计算成本而著称。但是只有训练部分真正强调了大多数计算机硬件的指标,因为它涉及到对性能的定期评估和不断地在内存中来回调整人工神经元之间的连接。相反,使用受过训练的神经网络是一个简单的过程,这并不复杂的计算。事实上,通过人工训练,可以在不同的硬件上执行不同的任务。

 

它使硬件具有相当大的灵活性,并且可以应用于这两个进程中的任何一个。例如,使用专门形式的存储器称为存储器或使用定制的硅晶片执行训练的神经网络,训练神经网络是可能的。现在,美国加利福尼亚大学已经和研究人员进行了一次实验。在使用传统的计算硬件来训练神经网络之后,用3D打印技术打印一组面板,其以等同于处理来自神经网络的信息的方式操纵光子。最后,它们以非常高的速度完成传输,虽然与更传统的硬件相比,精度降低。

 
 

那么,如何利用光来实现神经网络呢?要理解这一点,你必须了解深度学习神经网络的结构。在每一层中,来自早期层的信号(或来自源的输入)由“神经元”来处理,然后“神经元”将结果传递给下一层的神经元。它们发送什么样的神经元以及它们传递的信号有多强取决于它们接受的训练。

 

为了做到这一点,加州大学洛杉矶分校的团队创造了半透明和折射的表面。当光击中它时,表面的确切结构决定了多少光通过和它指向哪里。如果你把另一个类似的层放在第一层的后面,它将继续从特定的位置定向光线。这在原理上类似于深度学习网络的工作方式,其中信号从网络的每一层指向层外的特定位置。

 

在实践中,研究人员训练了一个神经网络来识别其与下层的连接,然后将神经网络转换成表面特征,以类似的方式引导光。通过对这些层的一系列聚焦,光将逐渐集中在特定区域。通过将探测器放置在最后一层后面的特定位置,他们可以知道光在哪里结束。如果一切都做得很好,光最终会告诉我们神经网络的决定。

虽然性能比基于计算机的实现速度降低,但至少可以通过开发一种更好的系统来调整构成网络的不同级别的工作表,从而解决一些问题,尽管这是随着O数的增加而增加的挑战。神经网络中的F层。

 

虽然分辨率仍然很低,但有可能得到这样一个事实,即光的使用而不是电子的速度是非常快的,并且大部分光源都是非常低的功率。

 

但一定存在一些实际障碍。材料是特定于单一波长的光,这意味着我们不能只把任何东西放在系统前面,让它做它的工作。现在,投影系统确保了这一点,但是它依靠3D打印一张纸来投射一个特定的形状,这并不完全是一个时间效率的过程。应该用单色投影仪系统代替这些,但不清楚分辨率对系统精度的影响。因此,在了解该系统能否在实际中应用之前,还存在许多技术问题有待改进和解决。

标签:大时代娱乐  大时代娱乐平台 大时代娱乐注册 大时代平台登录
友情链接: 大时代娱乐 网站地图
地址:上海
Copyright © 2014-2020【大时代娱乐】版权所有