| 对抗光学神经网络识别误差的渐进式训练方法 |
| |
| 作者姓名： | 郭鹏星 游正容 侯维刚 郭磊 |
| |
| 作者单位： | 1. 重庆邮电大学通信与信息工程学院;2. 重庆邮电大学智能通信与网络安全研究院 |
| |
| 基金项目： | 国家自然科学基金（62205043,62222103,62221005,62071076,62075024）;;重庆市自然科学基金（CSTB2022NSCQMSX1334）; |
| |
| 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。
|
| 关 键 词： | 光计算 马赫-曾德尔干涉仪 光学神经网络 相位误差 分束器误差 渐进式训练 抗误差 |
|
|
