Deep Learning是由Rina Dechter于1986年創造的，它是機器學習領域發展最快的方法之一，常用于面部，語音和音頻識別，語言處理，社交網絡過濾和醫學圖像分析以及更具體的解決方案。任務，例如解決逆成像問題。傳統上，深度學習系統在計算機上實現，以學習數據表示和抽象并執行任務，與人類的表現相當或更好。
3D打印的深度學習神經網絡使用光子而不是電子進行計算
時間：2018-08-02 09:31 來源：cbbeta網站 作者：中國3D打印網 閱讀：次
加州大學洛杉磯分校的研究人員創造了一個獨特的全光學平臺，以光速執行機器學習任務。這是一個新穎的想法，使用光線通過多個板而不是電子衍射。對某些人來說，這可能看起來有點像用算盤替換計算機，但加州大學洛杉磯分校的研究人員對他們的古怪，閃亮，光速的人工神經網絡寄予厚望。
然而，由加州大學洛杉磯分校電氣和計算機工程教授Aydogan Ozcan博士領導的團隊并沒有使用傳統的計算機設備，放棄所有那些需要耗費能量的電子，轉而使用光波。結果是其全光學衍射深度神經網絡（D2NN）架構。
該設置使用3D打印的半透明薄片，每個薄片具有數千個凸起像素，這些薄片通過每個面板偏轉光線以執行設定任務。順便說一下，除了輸入光束之外，這些任務是在不使用任何功率的情況下，以光速執行圖像分析，特征檢測和對象分類。該團隊的研究人員還設想了D2NN架構在攝像機中執行專門任務的可能性。
使用逐層制造的無源元件，并通過光衍射將這些層相互連接，創造了一個獨特的全光平臺，以光速執行機器學習任務。但就目前而言，這是一個概念證明，但它為機器學習行業提供了一些獨特的機會。
(責任編輯：admin)
納米纖維涂層管狀支架骨再
中美合作團隊《Science》
內燃機增材再制造修復技術
高性能金屬激光增材制造裝
西安交大與哈佛大學合作研
仿真技術與3D打印推動液壓最新內容
科學家使用超聲波熱點內容
