0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

UCLA新型光學(xué)神經(jīng)網(wǎng)絡(luò)可立即識(shí)別物體

汽車(chē)玩家 ? 來(lái)源:蓋世汽車(chē) ? 作者:余秋云 ? 2020-04-15 17:13 ? 次閱讀

美國(guó)加州大學(xué)洛杉磯分校研發(fā)了一種光學(xué)神經(jīng)網(wǎng)絡(luò),可能可以生產(chǎn)出無(wú)需額外計(jì)算機(jī)處理就可立即識(shí)別物體的光學(xué)設(shè)備。

蓋世汽車(chē)訊 據(jù)外媒報(bào)道,美國(guó)加州大學(xué)洛杉磯分校亨利·薩穆埃利工程學(xué)院(theUCLA Samueli School of Engineering)研發(fā)了一項(xiàng)技術(shù),可能可以生產(chǎn)出無(wú)需額外計(jì)算機(jī)處理就可立即識(shí)別物體的光學(xué)設(shè)備,而且該項(xiàng)技術(shù)最終可能會(huì)應(yīng)用于機(jī)器人自動(dòng)駕駛汽車(chē)以及其他領(lǐng)域。

(圖片來(lái)源:UCLA)

UCLA的研究人員研發(fā)了一種光學(xué)神經(jīng)網(wǎng)絡(luò),即光束的“迷宮”,由一系列特殊設(shè)計(jì)的半透明圓晶片制成,而且此類(lèi)圓晶片由塑料或玻璃等不同材料制成,表面粗糙,與磨砂玻璃類(lèi)似,經(jīng)過(guò)設(shè)計(jì),圓晶片的尺寸比光的波長(zhǎng)還小。當(dāng)光束在該“迷宮”中穿行時(shí),圓晶片可將光束分向不同方向。

基于光線(xiàn)與圓晶片的互動(dòng)方式,走出“迷宮”的每一束光線(xiàn)的子帶都被精準(zhǔn)指向光學(xué)陣列末端屏幕上的特定點(diǎn)。由于該設(shè)備可以同時(shí)處理多個(gè)波長(zhǎng)范圍的光線(xiàn),因此可以實(shí)現(xiàn)這一點(diǎn)。與UCLA工程師此前打造的類(lèi)似設(shè)備不同,此前的設(shè)備只能采用單波長(zhǎng)的光線(xiàn)。不過(guò),此類(lèi)設(shè)備可以識(shí)別手寫(xiě)數(shù)字以及衣物,而手寫(xiě)數(shù)字和衣物經(jīng)常會(huì)出現(xiàn)在人工智能系統(tǒng)的測(cè)試中。

UCLA研究人員表示:“此次進(jìn)步就像從黑白電視過(guò)渡到彩色電視。當(dāng)通過(guò)不同波長(zhǎng)的光線(xiàn)看顏色時(shí),信息會(huì)更加豐富。大多數(shù)場(chǎng)景自然會(huì)包含色彩鮮艷的信息,所以光學(xué)神經(jīng)網(wǎng)絡(luò)所能看到的波長(zhǎng)范圍越廣,越能處理更多信息?!?工程師們引入該“迷宮”的光束主要由光譜中不同太赫茲波長(zhǎng)的光線(xiàn)組成。

UCLA加州納米系統(tǒng)研究所副主任Ozcan表示:“該項(xiàng)研究的目標(biāo)之一是創(chuàng)造一種能夠直觀將眼睛和大腦的能力結(jié)合起來(lái)的技術(shù),而該項(xiàng)新研究朝這個(gè)方向邁進(jìn)了一步。最終,我們的系統(tǒng)能夠擴(kuò)展光學(xué)計(jì)算和光學(xué)設(shè)計(jì)的技術(shù)能力,使其超越人類(lèi)的能力?!?/p>

該網(wǎng)絡(luò)采用了人工智能技術(shù)的分支——深度學(xué)習(xí)技術(shù)設(shè)計(jì)而成。在深度學(xué)習(xí)技術(shù)中,計(jì)算機(jī)程序需要“學(xué)習(xí)”,并多次重復(fù)動(dòng)作或?qū)嶒?yàn)以相應(yīng)地調(diào)整響應(yīng)方式。

Ozcan表示:“一般來(lái)說(shuō),研究人員采用物理知識(shí)和直覺(jué)來(lái)設(shè)計(jì)光學(xué)迷宮,以獨(dú)特方式利用和設(shè)計(jì)光線(xiàn)?,F(xiàn)在,深度學(xué)習(xí)技術(shù)讓我們發(fā)現(xiàn)了解決難題的新方法,可以幫助我們?cè)O(shè)計(jì)新型光學(xué)設(shè)備,而此類(lèi)設(shè)備能夠提供強(qiáng)大的解決方案,以解決具有挑戰(zhàn)性的問(wèn)題。”

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    基于光學(xué)衍射神經(jīng)網(wǎng)絡(luò)的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與實(shí)驗(yàn)研究

    隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展,光學(xué)神經(jīng)網(wǎng)絡(luò)(ONN)的研究受到廣泛關(guān)注。研究人員從衍射光學(xué)、散射光、光干涉以及光學(xué)傅里葉變換等基礎(chǔ)理論出發(fā),利用各種
    的頭像 發(fā)表于 12-07 17:39 ?1857次閱讀
    基于<b class='flag-5'>光學(xué)</b>衍射<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與實(shí)驗(yàn)研究

    卷積神經(jīng)網(wǎng)絡(luò)有何用途 卷積神經(jīng)網(wǎng)絡(luò)通常運(yùn)用在哪里

    和應(yīng)用場(chǎng)景。 圖像識(shí)別 圖像識(shí)別是卷積神經(jīng)網(wǎng)絡(luò)最廣泛的應(yīng)用之一。CNN能夠自動(dòng)學(xué)習(xí)圖像中的特征,實(shí)現(xiàn)對(duì)圖像的分類(lèi)、識(shí)別和分析。以下是一些具體的應(yīng)用場(chǎng)景: 1.1
    的頭像 發(fā)表于 07-11 14:43 ?2380次閱讀

    怎么對(duì)神經(jīng)網(wǎng)絡(luò)重新訓(xùn)練

    重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)是一個(gè)復(fù)雜的過(guò)程,涉及到多個(gè)步驟和考慮因素。 引言 神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)模型,廣泛應(yīng)用于圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等領(lǐng)域。然而,隨著時(shí)間的推移,數(shù)據(jù)分布可
    的頭像 發(fā)表于 07-11 10:25 ?461次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡(luò),而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò),能夠處理序列數(shù)據(jù),具有記憶功能。以下是關(guān)于循環(huán)
    的頭像 發(fā)表于 07-05 09:52 ?577次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型的分類(lèi)有哪些

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANNs)是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的計(jì)算模型,它在許多領(lǐng)域,如圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、預(yù)測(cè)分析等有著廣泛
    的頭像 發(fā)表于 07-05 09:13 ?1212次閱讀

    bp神經(jīng)網(wǎng)絡(luò)和反向傳播神經(jīng)網(wǎng)絡(luò)區(qū)別在哪

    神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用,如語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理等。然而,BP神經(jīng)網(wǎng)絡(luò)也存在一些問(wèn)題,如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長(zhǎng)、對(duì)初始權(quán)重敏感等。為了解決這些問(wèn)題,研究者們
    的頭像 發(fā)表于 07-04 09:51 ?432次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹

    人工智能神經(jīng)網(wǎng)絡(luò)芯片是一類(lèi)專(zhuān)門(mén)為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)的處理器。它們具有高性能、低功耗、擴(kuò)展等特點(diǎn),廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、自然
    的頭像 發(fā)表于 07-04 09:33 ?768次閱讀

    如何設(shè)計(jì)人臉識(shí)別神經(jīng)網(wǎng)絡(luò)

    人臉識(shí)別技術(shù)是一種基于人臉特征信息進(jìn)行身份識(shí)別的技術(shù),廣泛應(yīng)用于安全監(jiān)控、身份認(rèn)證、智能門(mén)禁等領(lǐng)域。神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn)人臉識(shí)別的關(guān)鍵技術(shù)之一,本文將介紹如何設(shè)計(jì)人臉
    的頭像 發(fā)表于 07-04 09:20 ?663次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用,如語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理等。然而,BP神經(jīng)網(wǎng)絡(luò)也存在一些問(wèn)題,如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長(zhǎng)、對(duì)初始權(quán)重敏感等。為了解決這些問(wèn)題,研究者們
    的頭像 發(fā)表于 07-03 11:00 ?807次閱讀

    bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)

    Network)有相似之處,但它們之間還是存在一些關(guān)鍵的區(qū)別。 一、引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型,它由大量的神經(jīng)元(或稱(chēng)為節(jié)點(diǎn))組成,這些神經(jīng)元通過(guò)權(quán)重連接在一起
    的頭像 發(fā)表于 07-03 10:14 ?850次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理是什么

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡(jiǎn)稱(chēng)CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的原
    的頭像 發(fā)表于 07-02 14:44 ?654次閱讀

    神經(jīng)網(wǎng)絡(luò)建模的適用范圍有哪些

    自然圖像、醫(yī)學(xué)圖像、衛(wèi)星圖像等。神經(jīng)網(wǎng)絡(luò)可以識(shí)別圖像中的物體、場(chǎng)景、人臉等,并可以用于圖像檢索、圖像分割、圖像標(biāo)注等任務(wù)。 語(yǔ)音識(shí)別 神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-02 11:40 ?637次閱讀

    神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別領(lǐng)域的應(yīng)用日益廣泛。神經(jīng)網(wǎng)絡(luò)以其強(qiáng)大的特征提取和分類(lèi)能力,為圖像識(shí)別帶來(lái)了革命性的進(jìn)步。本文將詳細(xì)介紹
    的頭像 發(fā)表于 07-01 14:19 ?683次閱讀

    神經(jīng)網(wǎng)絡(luò)架構(gòu)有哪些

    神經(jīng)網(wǎng)絡(luò)架構(gòu)是機(jī)器學(xué)習(xí)領(lǐng)域中的核心組成部分,它們模仿了生物神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式,通過(guò)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)信息的處理、存儲(chǔ)和傳遞。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,各種神經(jīng)網(wǎng)絡(luò)架構(gòu)被提出并廣泛應(yīng)用
    的頭像 發(fā)表于 07-01 14:16 ?714次閱讀

    基于毫米波雷達(dá)的手勢(shì)識(shí)別神經(jīng)網(wǎng)絡(luò)

    預(yù)處理后的信號(hào)輸入卷積神經(jīng)網(wǎng)絡(luò)時(shí)域卷積網(wǎng)絡(luò)(CNNTCN)模型,提取時(shí)空特征,并通過(guò)分類(lèi)評(píng)估識(shí)別性能。實(shí)驗(yàn)結(jié)果表明,該方法在特定領(lǐng)域的識(shí)別中實(shí)現(xiàn)了98.2%的準(zhǔn)確率,并在不同的
    發(fā)表于 05-23 12:12