サインイン
インサイト - 광학 컴퓨팅
광학 차세대 저장 컴퓨팅
광학 시스템을 통해 지연된 입력 데이터의 선형 및 비선형 다항식 특징을 암시적으로 생성하여 다양한 저장 컴퓨팅 작업에서 최신 성능을 달성할 수 있다.
실제 세계 광학 컴퓨팅 시스템의 모델 없는 최적화를 통한 고성능 학습
본 연구는 계산 집약적인 시뮬레이션 없이도 실제 광학 컴퓨팅 시스템을 효율적으로 학습할 수 있는 모델 없는 최적화 기법을 제안한다. 이 방법은 광학 시스템을 블랙박스로 취급하고 출력 결과를 직접 가중치 분포에 역전파하여 최적화를 수행한다.
유전적으로 프로그래밍 가능한 광학 무작위 신경망
유전 알고리즘을 사용하여 광학 무작위 신경망의 성능을 크게 향상시킬 수 있다. 단순하고 확장 가능한 설계로도 다양한 기계 학습 작업에서 높은 정확도를 달성할 수 있다.
관리 없이 효율적인 통합 광 뉴럴 네트워크: 하드웨어 인식 훈련과 가지치기
하드웨어 인식 훈련과 가지치기를 통해 뉴럴 네트워크의 효율적인 운영을 실현합니다.
© 2024 by Linnk AI