对抗光学神经网络识别误差的渐进式训练方法
摘要
提出了一种渐进式训练方案来重新配置马赫-曾德尔干涉仪（MZI）前馈光学神经网络（ONN）的相移，从而对抗MZI的相位误差和分束器误差，提高识别准确率。为了验证所提方案，利用Neuroptica Python仿真平台搭建了3层MZI-ONN结构，并在考虑到MZI相位误差和分束器误差的情况下，利用Iris和MNIST数据集验证了所提方案的有效性。仿真结果表明：在Iris数据集下，对于3层4×4 MZI-ONN结构，所提方案的识别准确率能够提升64.15百分点；在MNIST数据集下，对于4×4、6×6、8×8和16×16规模的MZI-ONN，所提方案的识别准确率能够提升2.00~37.00百分点。所提方案极大地提高了MZI-ONN的抗误差性能，有助于未来大规模、高准确率MZI-ONN的实现。
引用本文（GB/T 7714）
郭鹏星 Guo Pengxing, 游正容 You Zhengrong, 侯维刚 Hou Weigang, 等. 对抗光学神经网络识别误差的渐进式训练方法[J]. Acta Optica Sinica, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。