三层衍射神经网络实现手写数字识别研究

作     者：徐平 徐海东 杨拓 黄海漩 张旭琳 袁霞 肖钰斐 李雄超 王梦禹 

作者机构：深圳大学物理与光电工程学院微纳光电子技术研究所 深圳技术大学大数据与互联网学院 

出 版 物：《物理学报》 (Acta Physica Sinica)

年 卷 期：2022年

核心收录：

学科分类：08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金（批准号：61275167） 深圳市高等院校稳定支持计划（批准号：20200812103045003） 深圳市基础研究自由探索项目(批准号：JCYJ20180305125430954 JCYJ20170817102315892 JCYJ2017081701827765)资助的课题 

摘      要：光学衍射神经网络以光波作为计算媒介执行神经网络的逻辑分析与运算功能，具有高速度、低功耗及并行处理的优势。本文设计了一种仅有三层相位调制的光学衍射神经网络（ODNN， optical diffraction neural network），提出了基于目标空间频率一级谱分布提升ODNN的数字识别性能的方法，经优化获得了系统最优的像素大小、衍射距离，以及最佳的三层相位分布。本文设计的ODNN对MNIST（手写体数字集）识别准确率达到了95.3%，高于参考文献采用五层衍射神经网络实现的91.73%准确率，且精简了系统结构，结合ODNN高速度、低功耗的优点，本文提出的基于频谱分析方法有利于提高ODNN的性能，使ODNN在边缘计算领域有巨大的应用潜力。