典型文献
基于梯度下降算法的光学神经网络性能的研究
文献摘要：
光电混合人工智能计算芯片在人工智能应用中通过人工智能算法实现高速和高效的计算,其中光学神经网络(Optical Neural Networks,ONNs)算法在实现大量矩阵运算方面尤为重要.通过使用由马赫曾德尔干涉仪(Mach-Zehnder interferometers,MZI)搭建的快速傅里叶变换(Fast Fourier transform,FFT)型光学神经网络来实现手写数字的高精确度识别.在模型构建方面,利用奇异值分解将神经网络的线性层进行分解,从而实现数据降维,主要特征提取.在对该ONN的训练中,分别采用了带动量的随机梯度下降算法(Stochastic Gradient Descent with momentum,SGD with momentum)和均方根传递(Root Mean Square propagation,RMSprop)算法,分析 了在不同训练算法下该ONN对手写数字的识别精度.此外,还深入剖析了两种训练算法背后的数学理论,探究造成两种训练算法实验结果差异的本质原因.最后,通过实验对比,发现RMSprop算法在FFT型光学神经网络上具有较高的识别精确度,达到97.4％;并且采用RMSprop算法的ONN计算速度优于SGD with momentum算法.
文献关键词：
光学神经网络;误差反向传播;随机梯度下降法;均方根传递算法;马赫曾德尔干涉仪
中图分类号：
作者姓名：
刘美玉;刘启发;程亚玲;王瑾
作者机构：
南京邮电大学通信与信息工程学院,江苏南京210003
文献出处：
引用格式：
[1]刘美玉;刘启发;程亚玲;王瑾-.基于梯度下降算法的光学神经网络性能的研究)[J].微电子学与计算机,2022(12):13-20
A类：
光学神经网络,马赫曾德尔干涉仪,均方根传递算法
B类：
网络性能,智能计算,人工智能应用,人工智能算法,算法实现,Optical,Neural,Networks,ONNs,矩阵运算,Mach,Zehnder,interferometers,MZI,快速傅里叶变换,Fast,Fourier,transform,FFT,手写数字,高精确度,奇异值分解,层进,数据降维,随机梯度下降算法,Stochastic,Gradient,Descent,momentum,SGD,Root,Mean,Square,propagation,RMSprop,训练算法,识别精度,数学理论,本质原因,实验对比,计算速度,误差反向传播,随机梯度下降法
AB值：
0.351927
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
