-
公开(公告)号:CN116167406A
公开(公告)日:2023-05-26
申请号:CN202310035913.6
申请日:2023-01-10
Applicant: 清华大学
Abstract: 本发明提供一种光子神经网络的对偶自适应训练方法及相关组件,该方法包括:建立包括PNN物理模型和系统误差预测网络模型的PNN仿真模型;确定PNN物理系统的测量值及PNN仿真模型的测量值;基于PNN物理系统的测量值和PNN仿真模型的测量值的对比结果和数据融合结果分别确定相似度损失函数和任务损失函数;根据相似度损失函数和任务损失函数优化更新PNN仿真模型的参数以对PNN物理模型进行在线训练。通过本发明的方法,可以让PNN物理模型在训练过程中适应较大的系统误差,从而使PNN物理模型在部署于PNN物理系统时保持高性能。