三层衍射神经网络实现手写数字识别

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 Xu Ping;Xu Hai-Dong;Yang Tuo;Huang Hai-Xuan;Zhang Xu-Lin;Yuan Xia;Xiao Yu-Fei;Li Xiong-Chao;Wang Meng-Yu

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518060 深圳技术大学大数据与互联网学院深圳518118 

出 版 物：《物理学报》 (Acta Physica Sinica)

年 卷 期：2022年第71卷第18期

页      面：209-216页

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] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

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。 

主　　题：衍射神经网络 光学识别 手写数字 衍射光学元件 

摘      要：光学衍射神经网络(optical diffraction neural network,ODNN)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ODNN,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.设计的ODNN对MNIST手写体数字集识别准确率达到了95.3%,高于文献中采用五层衍射神经网络实现的准确率91.75%(Lin X,Rivenson Y,Yardimci N T,Veli M,Luo Y,Jarrahi M,Ozcan A 2018 Science 3611004),且精简了系统结构.结合ODNN高速度、低功耗的优点,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.