基于自由空间传播的光子极限学习机设计与分析
摘要
极限学习机（ELM）是一种机器学习范式，在模型中，大多数连接通过随机初始化的非线性隐藏层建立，只有一小部分权重在下采样过程后的训练期间被调整。该模型的主要优点是显著减少了训练时间，用简单的岭回归取代了耗时的误差反向传播。但在电子ELM中，模型性能严重依赖于隐藏层中的节点数量，从而使用大量内存。因此，用光学平台代替电子计算是一种理想的解决方案。通过部署随机散射体，可以被动地实现大规模隐藏节点，同时具有非线性的可能性。虽然光学方案具有这种潜力，但关于光学ELM的研究尚未充分探索其在速度、非线性和并行性方面的能力。为了解决这个问题，搭建了ELM的光学框架（光学ELM），并研究了投影和成像光束路径中的变焦对光学ELM的作用。在实验过程中存在光学像差、误差及缺陷，在光学ELM的背景下将其充当为随机分量，对应了数字极限学习机中的随机传输矩阵。目标是设计一个易于部署的光学极限学习机，不需要对输入和输出数据进行复杂的处理，而是通过光域中的被动传播实现随机投影。该方法旨在简化系统架构，同时利用光学技术的优势实现高效并行计算。
引用本文（GB/T 7714）
徐志宏 Xu Zhihong, SteffenSchoenhardt Steffen Schoenhardt, 陈希 Chen Xi, 等. 基于自由空间传播的光子极限学习机设计与分析[J]. Acta Optica Sinica, 2025.
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。