[发明专利]一种光电混合深度卷积神经网络方法在审
| 申请号： | 202011456483.8 | 申请日： | 2020-12-11 |
| 公开（公告）号： | CN112700000A | 公开（公告）日： | 2021-04-23 |
| 发明（设计）人： | 董明利;孙一辰;于明鑫;祝连庆;张东亮;庄炜;张旭 | 申请（专利权）人： | 北京信息科技大学 |
| 主分类号： | G06N3/067 | 分类号： | G06N3/067;G06N3/04;G06N3/08 |
| 代理公司： | 北京律恒立业知识产权代理事务所(特殊普通合伙) 11416 | 代理人： | 庞立岩;顾珊 |
| 地址： | 100085 北京市海淀区清*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 光电 混合 深度 卷积 神经网络 方法 | ||
【权利要求书】：
1.一种光电混合深度卷积神经网络方法，其特征在于，所述方法包括以下步骤：
步骤a、通过演示全光学衍射深度神经网络构架执行机器学习；
步骤b、创建3D打印的基于衍射深度神经网络，实现手写数字和时尚产品图像的分类；
步骤c、用全光学进行图像分析、特征检测和对象分类；
步骤d、通过全光学深度学习框架统计学习功能；
步骤e、基于由期望函数确定的关于目标输出的计算误差，使用误差反向传播算法优化网络结构及其神经元相位值。
2.根据权利要求1所述的方法，其特征在于，所述全光学深度学习框架中，神经网络由多层衍射表面物理地形成。
3.根据权利要求1所述的方法，其特征在于，所述误差反向传播算法元相位值，该算法基于传统深度学习中使用的随机梯度下降方法。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京信息科技大学，未经北京信息科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011456483.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种角度调整机构
- 下一篇：一种非线性光学卷积神经网络的图像识别方法
