optics | BriefGPT - AI 论文速递

关键词optics

搜索结果 - 8

基于线性度量的聚类算法 LINSCAN
LINSCAN 是一种新的算法，通过利用 DBSCAN 和 OPTICS 的优势，将点嵌入成近似其局部邻域的正态分布，并利用从 Kullback Leibler 散度派生的距离函数，以检测和区分在空间上密集但具有正交协方差的线性聚类，我们演
PDF11 days ago
使用端到端光传播训练神经网络
光学是下一代机器学习计算硬件的令人激动的方向，能够在计算速度和能源效率方面提供数个数量级的增强。本研究首次提出了一种简单而通用的方案，通过饱和吸收体作为激活单元，并通过泵浦 - 探测过程实现所需的性能以解决光学实现反向传播的挑战，从而展示了
PDFa year ago
一些基于密度的聚类技术概述
本文研究了密度聚类方法以及其特点、优缺点，重点探究了其在不同类型数据集中挖掘有用和适当模式的适用性，具体讨论了 DBSCAN、OPTICS、DENCLUE 和 VDBSCAN 等方法。
PDFa year ago
振动数据集的统计特征的聚类算法比较
本研究比较了 K-means 聚类、OPTICS 和高斯混合模型聚类 (GMM)，研究从振动数据集的时域和频域中提取的统计特征以及特征组合和主成分分析在聚类算法性能上的影响，并发现平均值和方差特征表现显著优于基于形状的特征，K-means
PDFa year ago
光学编码器的光子优势
通过将光学与数字技术协同处理，并操作于凝聚态光学信号下，我们成功地优化了一个混合光学 - 数字的人工神经网络，发现相比于数字技术，其在低功耗 / 低延迟下具有更高的分类精度，这表明在一些应用中，光学技术比数字技术更优越。
PDFa year ago
CVPRChiTransformer：从线索到可靠的立体视觉
提出了一种灵感来源于视觉系统的新型双目视觉深度估计方法，使用了 Vision Transformer（ViT）和条件校正的双模式交互设计（ChiTransformer）。实验表明，与现有技术相比，该方法在自监督立体匹配方面具有显著优势，可用
PDF2 years ago
散射光学网络的集成学习
本文介绍了利用深度学习设计 Diffractive Deep Neural Networks (D2NNs) 进行光计算，在特征工程和集成学习方面的改进，以提高其图像分类准确度，并在 CIFAR-10 测试图像上达到了 61.14％和 62
PDF4 years ago
卷积神经网络的光学前端
利用自由空间光学前端单元实现第一层的线性操作，然后通过电子方式实现后续层的混合光电架构，在 Kaggle 猫狗挑战数据库中获得了 87% 的图像分类精度。
PDF6 years ago