プラグ可能な回折ニューラルネットワーク(P-DNN):内部プラグインを切り替えることによって、様々なタスクを認識するために適用できるカスケードメタサーフェスを利用する一般的なパラダイム

P-DNNは、内部プラグインを切り替えることによって、様々なタスクを認識するために利用されるカスケードメタサーフェスを持つ一般的なパラダイムです

ディープラーニングは、人間の脳に触発された機械学習技術であり、画像処理、画像認識、音声認識、言語翻訳など、さまざまな領域で応用されています。しかし、電子コンピュータに大きく依存しており、計算上の制約やフォンノイマンアーキテクチャによるパフォーマンスのボトルネックや高いエネルギー消費を引き起こします。光ニューラルネットワークは、光を最適化し、高速で並列かつエネルギー効率の良い処理を実現することで、これらの問題に対する解決策を提供します。

著者らは、ONNの再構成性の問題に対する革新的な解決策として、P-DNNを紹介しています。新しいタスクが発生した場合に完全な再学習が必要な従来の方法とは異なり、P-DNNはネットワーク内の差し替え可能な値を交換することで認識タスクを切り替えることができます。この機能により、ネットワークの柔軟性が向上し、計算リソースの消費とトレーニング時間を効果的に削減することができます。研究者らは、手書き数字およびファッションの入力を使用して、二層のカスケードメタサーフェスを使用してこのアプローチを実証しています。

P-DNNアーキテクチャには、共通の前処理層と代替のタスク固有の分類層が含まれています。システムは光学的回折理論に基づいてトレーニングされ、各層の光ニューロンはメタサーフェス内のメタアトムによって表されます。トレーニングフェーズでは、確率的勾配降下法と誤差逆伝播法を使用して、メタサーフェスのコンポーネントのパラメータを最適化します。この記事では、転移学習に基づく最適化フローが強調されており、システムがさまざまな分類タスクに対して高い精度を達成できるようになっています。P-DNNフレームワークを使用した数字およびファッションの分類タスクの結果が示されています。シミュレーションおよび実験タスクの両方で、90%以上の高い精度が示されています。

差し替え可能な回折ニューラルネットワークは、光ニューラルネットワークを活用して従来のディープラーニングの制約を解消するソリューションとなります。これにより、分類タスクに限定されず、自動運転における実物体検出や顕微鏡画像のインテリジェントなオブジェクトフィルタリングなど、さまざまな具体的なタスクに対応することができます。エネルギー効率の高い、高い計算能力を持つシステムを提供します。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

機械学習

Microsoft BingはNVIDIA Tritonを使用して広告配信を高速化

Jiusheng Chen氏のチームは加速しました。 彼らは、NVIDIA Triton Inference ServerをNVIDIA A100 Tensor Core GPUで実行する...

人工知能

「スマートな会話インターフェースのためのChatGPTとReactJSの統合」

このブログでは、Kommunicateプラットフォームを使用してChatGPTをReactJSに統合する方法について探っていきますこれにより、...

人工知能

7つの最高の履歴書ビルダーAIツール

これらのAI履歴書ビルダーツールは、人々の90%以上よりも優れた文章を書き、100%の人々よりも速く作成します

機械学習

In Japanese キャプチャを超えて:近代的なボット対策におけるAIの進展の探求

この記事は、従来のCAPTCHAから最先端の身元確認へと進化していくデジタル防御戦略の実践を表しています

AIニュース

(sekai no toppu 10 no sōsei AI sutātappu)

はじめに 生成AIは現在、世界中の人々の好奇心を引きつけています。私たちのソーシャルネットワーキングフィード内の仮想キャ...

機械学習

未来を点火する:TensorRT-LLMのリリースにより、AI推論のパフォーマンスが向上し、RTXを搭載したWindows 11 PCで新しいモデルのサポートが追加されました

Windows 11 PC上の人工知能は、ゲーマーやクリエイター、ストリーマー、オフィスワーカー、学生、そしてカジュアルなPCユーザ...