Loading...
机构名称:
¥ 1.0

通过神经网络通过神经网络进行的软件实施方法,脑为脑中的计算方法是许多重要的现代计算任务,从图像处理到语音识别,人工智能和深度学习应用程序。然而,与真实的神经组织不同,传统的计算体系结构物理分离了内存和处理的核心计算功能,使得难以实现快速,高效和低能的大脑样计算。要克服这种局限性,一个有吸引力的替代目标是设计直接的脑神经元和突触的硬件模仿,当在适当的网络(或神经形态系统)连接时,以与真实大脑的方式相似的方式处理信息。在这里,我们介绍了能够监督和无监督学习的这种神经突触系统的全光学版本。我们利用波长的多路复用技术来实现光子神经网络的可扩展电路体系结构,成功地在光学域中成功证明了模式识别。这种光子神经突触网络有望访问光学系统固有的高速和带宽,这对于直接处理光学电信和视觉数据非常有吸引力。

具有自我

具有自我PDF文件第1页

具有自我PDF文件第2页

具有自我PDF文件第3页

具有自我PDF文件第4页

具有自我PDF文件第5页

相关文件推荐

2020 年
¥1.0
2025 年
¥1.0
2025 年
¥2.0
2024 年
¥8.0
2024 年
¥11.0
2024 年
¥1.0
2024 年
¥7.0
2024 年
¥1.0
2022 年
¥1.0
2025 年
¥15.0
2021 年
¥1.0
2024 年
¥1.0
1900 年
¥11.0
2021 年
¥1.0
2020 年
¥1.0
2022 年
¥2.0
2021 年
¥1.0
2024 年
¥2.0
2024 年
¥1.0
2024 年
¥15.0
2025 年
¥1.0
2024 年
¥4.0
2024 年
¥1.0
2022 年
¥1.0
2024 年
¥1.0