Temel Kavramlar
광학 신경망에서 3진 가중치를 사용하면 성능이 크게 향상되며, 이를 위한 어닐링 기반 학습 알고리즘을 제안하였다.
Özet
이 연구에서는 광학 신경망(ONN)에서 3진 가중치를 구현하는 간단하면서도 효과적인 방법을 제안하였다. 기존의 이진 가중치 대신 3진 가중치(-1, 0, +1)를 사용함으로써 분류 정확도가 평균 7% 향상되었다. 또한 이진 및 3진 가중치에 모두 적용 가능한 새로운 어닐링 기반 학습 알고리즘을 개발하였다. 이 알고리즘은 학습 속도와 성능 향상에 도움이 되었다. 마지막으로 10시간 이상 지속되는 장기 추론 안정성을 실험적으로 검증하여, 광학 신경망의 실용성을 입증하였다.
İstatistikler
3진 가중치를 사용하면 MNIST 데이터셋에서 평균 90.4%의 분류 정확도를 달성할 수 있다.
이진 가중치를 사용하면 평균 83.5%의 분류 정확도만 달성할 수 있다.
광학 신경망의 출력 신호는 10시간 이상 99.3%의 일관성을 유지한다.
Alıntılar
"3진 가중치는 양의 값, 음의 값, 그리고 0을 가질 수 있어 이진 가중치보다 더 풍부한 표현력을 제공한다."
"제안한 어닐링 기반 학습 알고리즘은 학습 속도와 성능 향상에 도움이 되었다."