Optical neural network (ONN) has been regarded as one of the most prospective techniques in the future, due to its high-speed and low power cost. However, the realization of optical convolutional neural network (CNN) in non-ideal cases still remains a big challenge. In this paper, we propose an optical convolutional networks system for classification problems by applying general matrix multiply (GEMM) technology. The results show that under the influence of noise, this system still has good performance with low TOP-1 and TOP-5 error rates of 44.26% and 14.51% for ImageNet. We also propose a quantization model of CNN. The noise quantization model reaches a sufficient prediction accuracy of about 96% for MNIST handwritten dataset.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00