三层衍射神经网络实现手写数字识别

摘要：

光学衍射神经网络(optical diffraction neural network, ODNN)以光波作为计算媒介执行神经网络的逻辑分析与运算功能, 具有高速度、低功耗及并行处理的优势. 本文设计了一种仅有三层相位调制的ODNN,提出了基于目标空间频率一级谱分布提升ODNN的数字识别性能的方法, 经优化获得了系统最优的像素大小、衍射距离, 以及最佳的三层相位分布. 设计的ODNN对MNIST手写体数字集识别准确率达到了95.3％,高于文献中采用五层衍射神经网络实现的准确率91.75％ (Lin X, Rivenson Y, Yardimci N T, Veli M, Luo Y,Jarrahi M, Ozcan A 2018 Science 3611004), 且精简了系统结构. 结合ODNN高速度、低功耗的优点, 提出的基于频谱分析方法有利于提高ODNN的性能, 使ODNN在边缘计算领域有巨大的应用潜力.

关键词：衍射神经网络、光学识别、手写数字、衍射光学元件

所属期刊栏目：71

分类号：TP391.4;TP183;TN911.7

资助基金：国家自然科学基金;深圳市高等院校稳定支持计划;深圳市基础研究自由探索项目;深圳市基础研究自由探索项目;深圳市基础研究自由探索项目;资助的课题

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：131-138