ترجمه فارسی مقاله استفاده از فراسطح های چندگانه برای یادگیری چند وظیفه ای با پردازنده های پراش تمام نوری

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Leveraging Multiplexed Metasurfaces for Multi-Task Learning with All-Optical Diffractive Processors
عنوان مقاله به فارسی استفاده از فراسطح های چندگانه برای یادگیری چند وظیفه ای با پردازنده های پراش تمام نوری
نویسندگان Sahar Behroozinia, Qing Gu
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Optics,Applied Physics,اپتیک , فیزیک کاربردی ,
توضیحات Submitted 12 September, 2024; originally announced September 2024. , Comments: 17 pages, 6 figures
توضیحات به فارسی ارسال شده 12 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 17 صفحه ، 6 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Diffractive Neural Networks (DNNs) leverage the power of light to enhance computational performance in machine learning, offering a pathway to high-speed, low-energy, and large-scale neural information processing. However, most existing DNN architectures are optimized for single tasks and thus lack the flexibility required for the simultaneous execution of multiple tasks within a unified artificial intelligence platform. In this work, we utilize the polarization and wavelength degrees of freedom of light to achieve optical multi-task identification using the MNIST, FMNIST, and KMNIST datasets. Employing bilayer cascaded metasurfaces, we construct dual-channel DNNs capable of simultaneously classifying two tasks, using polarization and wavelength multiplexing schemes through a meta-atom library. Numerical evaluations demonstrate performance accuracies comparable to those of individually trained single-channel, single-task DNNs. Extending this approach to three-task parallel recognition reveals an expected performance decline yet maintains satisfactory classification accuracies of greater than 80% for all tasks. We further introduce a novel end-to-end joint optimization framework to redesign the three-task classifier, demonstrating substantial improvements over the meta-atom library design and offering the potential for future multi-channel DNN designs. Our study could pave the way for the development of ultrathin, high-speed, and high-throughput optical neural computing systems.

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی پراکنده (DNNS) از قدرت نور برای تقویت عملکرد محاسباتی در یادگیری ماشین استفاده می کنند و راهی را برای پردازش اطلاعات عصبی با سرعت بالا ، کم انرژی و در مقیاس بزرگ ارائه می دهند.با این حال ، بیشتر معماری های DNN موجود برای کارهای واحد بهینه شده و بنابراین فاقد انعطاف پذیری مورد نیاز برای اجرای همزمان چندین کار در یک بستر هوش مصنوعی واحد هستند.در این کار ، ما از قطبش و درجه طول موج آزادی نور برای دستیابی به شناسایی چند کاره نوری با استفاده از مجموعه داده های MNIST ، FMNIST و KMNIST استفاده می کنیم.ما با استفاده از متسورفیسهای آبشار دو لایه ، DNN های دو کانال را قادر به طبقه بندی همزمان دو کار با استفاده از طرح های چند قطبی و طول موج از طریق یک کتابخانه متا اتمی می سازیم.ارزیابی های عددی نشان دهنده دقت عملکرد قابل مقایسه با موارد DNN های تک کانال و تک وظیفه ای است.گسترش این رویکرد به تشخیص موازی سه وظیفه ، کاهش عملکرد مورد انتظار را نشان می دهد اما هنوز هم دقت طبقه بندی رضایت بخش بیش از 80 ٪ را برای همه کارها حفظ می کند.ما در ادامه یک چارچوب بهینه سازی مشترک پایان به پایان به پایان می توانیم برای طراحی مجدد طبقه بندی کننده سه وظیفه ، نشان دهنده پیشرفت های قابل توجهی در طراحی کتابخانه متا اتم و ارائه پتانسیل برای طرح های DNN چند کانال آینده.مطالعه ما می تواند راه را برای توسعه سیستم های محاسبات نوری نوری با توان بالا ، با سرعت بالا و با توان بالا هموار کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.