本地纯净下载
纯净官方版WWW,3368838,COM-33692288,APP
澎湃新闻(www.thepaper.cn)记者6月17日获悉,由上海理工大学智能科技学院张启明教授,智能科技学院、张江实验室光计算所顾敏院士领衔的研究团队,开发了一种超快速的卷积光学神经网络(ONN),这一技术在无需依赖光学记忆效应的情况下WWW,3368838,COM-33692288,APP,实现了对散射介质后的物体进行高效、清晰的成像。这不仅是对传统光学成像技术的一次颠覆,更是卷积网络在人工智能中应用潜力的一次展示。
该成果于6月14日以 “基于超快卷积光学神经网络的非记忆效应散射成像(Memory-less scattering imaging with ultrafast convolutional optical neural networks)”为题发表于《科学》(Science)子刊《科学进展》(Science Advances)上,智能科技学院张雨超特聘研究员为第一作者WWW,3368838,COM-33692288,APP,顾敏院士和张启明教授为共同通讯作者。
CNN作为目前为止应用最为广泛的一种人工智能神经网络架构,它由生物的视觉皮层系统发展而来,视觉皮层结构由Hubel和Wiesel于1981年所提出,并获得了诺贝尔奖。卷积操作作为CNN中的核心,通过提取图像的局部特征并逐层构建更为复杂和抽象的特征表示,极大地推动了图像处理和模式识别领域的发展。然而,将这一概念应用于光学领域,面临着将电子信号转换为光学信号的挑战。研究团队巧妙地设计了一种全光学的解决方案,通过在光域中直接进行卷积网络操作WWW,3368838,COM-33692288,APP,省去了繁琐的信号转换过程WWW,3368838,COM-33692288,APP,实现了真正的光速计算。
这项技术的关键在于构建了一个多阶段的卷积网络ONN,它由多个并行核心组成,能够以光速进行操作,直接从散射光中提取特征,实现图像的快速重建。这一过程不仅极大地提高了成像速度,还显著增强了成像质量,使得在复杂散射环境中的成像成为可能。同时,ONN的计算速度达到了每秒1570万亿次操作(1.57 Peta operations per second, POPS),为实时动态成像提供了强大的支持。
。0.40MB/2024/06/16
直接下载3.60MB/2024/06/16
直接下载2.16MB/2024/06/16
直接下载8.18MB/2024/06/16
直接下载5.39MB/2024/06/16
直接下载5.9MB/2024/06/16
直接下载5.9MB/2024/06/15
直接下载5.83MB/2024/06/15
直接下载6.24MB/2024/06/15
直接下载5.77MB/2024/06/15
直接下载8.56MB/2024/06/15
直接下载4.82MB/2024/06/15
直接下载27.3MB/2024/06/15
直接下载1.0MB/2024/06/15
直接下载26.4MB/2024/06/15
直接下载38.4MB/2024/06/15
直接下载90.4MB/2024/06/15
直接下载60.25MB|查看
23.55MB|查看
94.91MB|查看
99.35MB|查看
44.56MB|查看
55.26MB|查看
55.72MB|查看
15.86MB|查看
46.92MB|查看
39.67MB|查看
75.23MB|查看
WWW,369882,COM-369949,COM16.15MB|2024/06/15
WWW,3423488,COM-3423599,COM1.85MB|2024/06/15
WWW,307699,COM-307712,COM65.23MB|2024/06/15
WWW,284338,COM-284342,COM36.83MB|2024/06/15
WWW,318588B,COM-318588K,COM1.12MB|2024/06/15
WWW,26466J,COM-26466N,COM65.50MB|2024/06/15
WWW,30169D,COM-30169I,COM72.30MB|2024/06/15
WWW,3076543,COM-3077,COM86.21MB|2024/06/159
WWW,327827,COM-327844,COM85.80MB|2024/06/15
WWW,33353VIP,COM-333558,CC71.46MB|2024/06/15