公开(公告)号：CN115034378B

公开(公告)日：2025-04-18

申请号：CN202210631886.4

申请日：2022-06-06

Applicant: 浙江大学

Inventor： 徐敬 ,  熊建民

IPC: G06N3/067 ,  G06N3/084 ,  G06F18/241

Abstract: 本发明提出一种单层相位调控衍射深度神经网络优化方法，属于衍射光学和深度学习技术领域。首先设置物理结构参数，包括入射光波长、衍射单元尺寸、衍射层尺寸和衍射层与输入输出平面的距离；根据瑞利‑索末菲衍射公式，数值求解光波在衍射层前后自由空间中传播的复振幅；将经过衍射层到达输出平面的复振幅转换成光强后进行归一化处理，利用每个类别对应的区域强度和计算交叉熵损失函数值；采用随机梯度下降算法实现衍射层参数更新；最后，将单层相位调控衍射深度神经网络应用于分类任务并测试性能。本发明通过改进的模型优化方法，在不损失模型性能的前提下，简化级联的衍射层结构，同时有效降低插入损耗，促进衍射深度神经网络的实际应用。

公开(公告)号：CN115034378A

公开(公告)日：2022-09-09

申请号：CN202210631886.4

申请日：2022-06-06

Applicant: 浙江大学

Inventor： 徐敬 ,  熊建民

IPC: G06N3/067 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提出一种单层相位调控衍射深度神经网络优化方法，属于衍射光学和深度学习技术领域。首先设置物理结构参数，包括入射光波长、衍射单元尺寸、衍射层尺寸和衍射层与输入输出平面的距离；根据瑞利‑索末菲衍射公式，数值求解光波在衍射层前后自由空间中传播的复振幅；将经过衍射层到达输出平面的复振幅转换成光强后进行归一化处理，利用每个类别对应的区域强度和计算交叉熵损失函数值；采用随机梯度下降算法实现衍射层参数更新；最后，将单层相位调控衍射深度神经网络应用于分类任务并测试性能。本发明通过改进的模型优化方法，在不损失模型性能的前提下，简化级联的衍射层结构，同时有效降低插入损耗，促进衍射深度神经网络的实际应用。