Simonyan, K. & Zisserman, A. Mycket djupa faltningsnätverk för storskalig bildigenkänning. I 3:e internationella konferensen om läranderepresentationer 1–14 (ICLR, 2015).
Wang, G. et al. Interaktiv medicinsk bildsegmentering med djupinlärning med bildspecifik finjustering. IEEE Trans. Med. Avbildning 37, 1562-1573 (2018).
Furui, S., Deng, L., Gales, M., Ney, H. & Tokuda, K. Grundläggande teknologier i modern taligenkänning. IEEE Signal Process Mag. 29, 16-17 (2012).
Sak, H., Senior, A., Rao, K. & Beaufays, F. Snabba och exakta akustiska modeller för akustiska neurala nätverk för taligenkänning. I Proc. Årlig konferens för International Speech Communication Association, INTERSPEECH 1468–1472 (ISCA, 2015).
He, K., Zhang, X., Ren, S. & Sun, J. Djup återstående inlärning för bildigenkänning. I Proc. IEEE Computer Society-konferens om datorseende och mönsterigenkänning 770–778 (IEEE, 2016).
Lecun, Y., Bengio, Y. & Hinton, G. Deep learning. Natur 521, 436-444 (2015).
Mennel, L. et al. Ultrasnabb maskinseende med 2D-material bildsensorer för neurala nätverk. Natur 579, 62-66 (2020).
Liu, L. et al. Datorsystem för autonom körning: toppmoderna och utmaningar. IEEE Internet Things J. 8, 6469-6486 (2021).
Shi, W. et al. LOEN: linslöst opto-elektroniskt neuralt nätverk som ger maskinseende. Lätt Sci. Appl. 11, 121 (2022).
Hamerly, R., Bernstein, L., Sludds, A., Soljačić, M. & Englund, D. Storskaliga optiska neurala nätverk baserade på fotoelektrisk multiplikation. Phys. Rev. X. 9, 021032 (2019).
Wetzstein, G. et al. Slutledning i artificiell intelligens med djupoptik och fotonik. Natur 588, 39-47 (2020).
Shastri, B.J. et al. Fotonik för artificiell intelligens och neuromorfisk beräkning. Nat. Foton. 15, 102-114 (2021).
Xue, W. & Miller, O. D. High-NA optisk kantdetektering via optimerade flerskiktsfilmer. J. Optics 23, 125004 (2021).
Wang, T. et al. Ett optiskt neuralt nätverk som använder mindre än 1 foton per multiplikation. Nat. Commun. 13, 123 (2022).
Wang, T. et al. Bildavkänning med flerskikts icke-linjära optiska neurala nätverk. Nat. Foton. 17, 8-17 (2023).
Badloe, T., Lee, S. & Rho, J. Beräkning med ljusets hastighet: metamaterial för helt optiska beräkningar och neurala nätverk. Adv. Foton. 4, 064002 (2022).
Vanderlugt, A. Optisk signalbehandling (Wiley, 1993)
Chang, J., Sitzmann, V., Dun, X., Heidrich, W. & Wetzstein, G. Hybrida optisk-elektroniska konvolutionella neurala nätverk med optimerad diffraktiv optik för bildklassificering. Sci. Rep. 8, 12324 (2018).
Colburn, S., Chu, Y., Shilzerman, E. & Majumdar, A. Optisk frontend för ett konvolutionellt neuralt nätverk. Appl. Välja. 58, 3179 (2019).
Zhou, T. et al. Storskalig neuromorf optoelektronisk beräkning med en omkonfigurerbar diffraktiv bearbetningsenhet. Nat. Foton. 15, 367-373 (2021).
Chen, Y. H., Krishna, T., Emer, J. S. & Sze, V. Eyeriss: en energieffektiv omkonfigurerbar accelerator för djupa konvolutionella neurala nätverk. IEEE J. Solid State Circuits 52, 127-138 (2017).
Neshatpour, K., Homayoun, H. & Sasan, A. ICNN: det iterativa konvolutionella neurala nätverket. I ACM-transaktioner på inbyggda datorsystem 18, 119 (ACM, 2019).
Xu, X. et al. 11 TOPS fotonisk faltningsaccelerator för optiska neurala nätverk. Natur 589, 44-51 (2021).
Feldmann, J. et al. Parallell faltningsbehandling med en integrerad fotonisk tensorkärna. Natur 589, 52-58 (2021).
Wu, C. et al. Programmerbara fasförändringsmetasytor på vågledare för multimode fotoniskt faltningsneurala nätverk. Nat. Commun. 12, 96 (2021).
Zhang, H. et al. Ett optiskt neuralt chip för implementering av komplext värderat neuralt nätverk. Nat. Commun. 12, 457 (2021).
Ashtiani, F., Geers, A. J. & Aflatouni, F. Ett fotoniskt djupt neuralt nätverk på chip för bildklassificering. Natur 606, 501-506 (2022).
Fu, T. et al. Fotonisk maskininlärning med on-chip diffraktiv optik. Nat. Commun. 14, 70 (2023).
Lin, X. et al. Helt optisk maskininlärning med diffraktiva djupa neurala nätverk. Vetenskap 361, 1004-1008 (2018).
Qian, C. et al. Utföra optiska logiska operationer med ett diffraktivt neuralt nätverk. Lätt Sci. Appl. 9, 59 (2020).
Luo, X. et al. Metasurface-aktiverade on-chip multiplexade diffraktiva neurala nätverk i det synliga. Lätt Sci. Appl. 11, 158 (2022).
Kwon, H., Arbabi, E., Kamali, S. M., Faraji-Dana, M. S. & Faraon, A. Single-shot kvantitativ fasgradientmikroskopi med användning av ett system av multifunktionella metasytor. Nat. Foton. 14, 109-114 (2020).
Xiong, B. et al. Att bryta begränsningen för polarisationsmultiplexering i optiska metasytor med konstruerat brus. Vetenskap 379, 294-299 (2023).
Khorasaninejad, M. et al. Metalenses vid synliga våglängder: diffraktionsbegränsad fokusering och subwavelength resolution imaging. Vetenskap 352, 1190-1194 (2016).
Kim, J. et al. Skalbar tillverkning av högindex atomlager-polymer-hybrid-metasytor för metafotonik i det synliga. Nat. Mater. 22, 474-481 (2023).
Levanon, N. et al. Vinkelöverföringssvar av symmetribrytande kvasi-BIC heldielektriska metasytor i planet. ACS Fotonik 9, 3642-3648 (2022).
Nolen, J. R., Overvig, A. C., Cotrufo, M. & Alù, A. Godtyckligt polariserad och enkelriktad emission från termiska metasytor. Förtryck kl https://arxiv.org/abs/2301.12301 (2023).
Guo, C., Xiao, M., Minkov, M., Shi, Y. & Fan, S. Fotonisk kristallplatta Laplace-operator för bilddifferentiering. Optica 5, 251-256 (2018).
Cordaro, A. et al. Högindex dielektriska metaytor som utför matematiska operationer. Nano Lett. 19, 8418-8423 (2019).
Zhou, Y., Zheng, H., Kravchenko, I. I. & Valentine, J. Platt optik för bilddifferentiering. Nat. Foton. 14, 316-323 (2020).
Fu, W. et al. Ultrakompakta metabilder för godtycklig heltoptisk faltning. Lätt Sci. Appl. 11, 62 (2022).
Wang, H., Guo, C., Zhao, Z. & Fan, S. Kompakt osammanhängande bilddifferentiering med nanofotoniska strukturer. ACS Fotonik 7, 338-343 (2020).
Zhang, X., Bai, B., Sun, H. B., Jin, G. & Valentine, J. Inkoherent optoelektronisk differentiering baserad på optimerade flerskiktsfilmer. Laser Photon Rev. 16, 2200038 (2022).
Zheng, H. et al. Meta-optiska acceleratorer för objektklassificerare. Sci. Adv. 8, eabo6410 (2022).
Bernstein, L. et al. Single-shot optiska neurala nätverk. Sci. Adv. 9, eadg7904 (2023).
Shen, Z. et al. Monokulär metasurface-kamera för passiv enkelbilds 4D-avbildning. Nat. Commun. 14, 1035 (2023).
LeCun, Y., Bottou, L., Bengio, Y. & Haffner, P. Gradientbaserat lärande tillämpat på dokumentigenkänning. Proc. IEEE 86, 2278-2323 (1998).
Zheng, H. et al. Sammansatt meta-optik för fullständig och förlustfri fältkontroll. ACS Nano 16, 15100-15107 (2022).
Liu, S. et al. Fler ConvNets under 2020-talet: skala upp kärnor över 51×51 med sparsity. I 11:e internationella konferensen om läranderepresentationer 1–23 (ICLR, 2023).
Barron, J. T. En allmän och adaptiv robust förlustfunktion. I Proc. IEEE Computer Society-konferens om datorseende och mönsterigenkänning 4326–4334 (IEEE, 2019).
Dosovitskiy, A. et al. En bild är värd 16×16 ord: transformatorer för bildigenkänning i skala. I 9:e internationella konferensen om läranderepresentationer 1–22 (ICLR, 2021).
Stillmaker, A. & Baas, B. Skalekvationer för noggrann förutsägelse av CMOS-enhetsprestanda från 180 nm till 7 nm. Integration 58, 74-81 (2017).
McClung, A., Samudrala, S., Torfeh, M., Mansouree, M. & Arbabi, A. Snapshot spektral avbildning med parallella metasystem. Sci. Adv. 6, eabc7646 (2020).
Ding, X., Zhang, X., Han, J. & Ding, G. Skala upp dina kärnor till 31 × 31: återbesöker design av stor kärna i CNN. I Proc. IEEE Computer Society-konferens om datorseende och mönsterigenkänning 11953–11965 (IEEE, 2022).
Ding, X. et al. RepVgg: gör ConvNets i VGG-stil bra igen. I Proc. IEEE Computer Society-konferens om datorseende och mönsterigenkänning 13728–13737 (IEEE, 2021).
Li, L. et al. Intelligent metasyteavbildare och igenkännare. Lätt Sci. Appl. 8, 97 (2019).
Zhao, R. et al. Flerkanalig vektoriell holografisk visning och kryptering. Lätt Sci. Appl. 7, 95 (2018).
Kim, I. et al. Pixelerade bifunktionella metasytdrivna dynamiska vektoriella holografiska färgutskrifter för fotonisk säkerhetsplattform. Nat. Commun. 12, 3614 (2021).
Li, L. et al. Metalens-array-baserad högdimensionell och multifoton kvantkälla. Vetenskap 368, 1487-1490 (2020).
Hugonin, A. J. P. & Lalanne, P. RETICOLO programvara för gitteranalys. Förtryck kl https://arxiv.org/abs/2101.00901 (2023).
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
- PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
- Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
- PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
- Källa: https://www.nature.com/articles/s41565-023-01557-2
- :är
- ][s
- $UPP
- 1
- 10
- 11
- 12
- 121
- 13
- 14
- 15%
- 16
- 17
- 180
- 19
- 1998
- 20
- 2012
- 2015
- 2016
- 2017
- 2018
- 2019
- 2020
- 2021
- 2022
- 2023
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 2D
- 30
- 31
- 32
- 33
- 35%
- 36
- 39
- 40
- 41
- 46
- 49
- 50
- 51
- 54
- 58
- 60
- 7
- 70
- 8
- 9
- 97
- a
- accelererande
- accelerator
- acceleratorer
- exakt
- ACM
- adaptiv
- igen
- AL
- an
- analys
- och
- Vinkel
- årsringar
- tillämpas
- Konst
- Artikeln
- konstgjord
- artificiell intelligens
- Förening
- At
- autonom
- b
- Baas
- baserat
- Bortom
- Breaking
- by
- beräkningar
- rum
- utmaningar
- chip
- klassificering
- klick
- färg
- Kommunikation
- kompakt
- fullborda
- Luktämne
- beräkning
- dator
- Datorsyn
- databehandling
- Konferens
- kontroll
- convolutional neuralt nätverk
- Kärna
- Kristall
- djup
- djupt lärande
- djupt neuralt nätverk
- djupa neurala nätverk
- Designa
- Detektering
- anordning
- Visa
- dokumentera
- drivande
- dynamisk
- e
- E&T
- kant
- inbäddade
- utsläpp
- befogenhet
- kryptering
- engineered
- ekvationer
- Eter (ETH)
- extern
- fläkt
- SNABB
- fält
- filmer
- änden
- platta
- fokusering
- För
- från
- Frontend
- fungera
- grundläggande
- Allmänt
- stor
- holografiska
- http
- HTTPS
- Hybrid
- i
- ICLR
- IEEE
- bild
- Bildklassificering
- Bildigenkänning
- bildsegmentering
- Imaging
- genomföra
- in
- integrerade
- Intelligens
- Intelligent
- interaktiva
- Internationell
- Internet
- Large
- storskalig
- inlärning
- Lee
- mindre
- ljus
- begränsning
- LINK
- Logiken
- förlust
- Maskinen
- maskininlärning
- maskinsyn
- Maj
- Framställning
- Produktion
- Materialet
- matematisk
- medicinsk
- metamaterial
- Mikroskopi
- Mjölnare
- modeller
- Modern Konst
- mer
- flerkanalig
- multifoton
- nanoteknologi
- Natur
- nät
- nätverk
- neural
- neurala nätverk
- neurala nätverk
- Brus
- objektet
- of
- on
- Verksamhet
- Operatören
- optisk
- optik
- Optik och fotonik
- optimerad
- Parallell
- passiva
- Mönster
- för
- prestanda
- utför
- fas
- plattform
- plato
- Platon Data Intelligence
- PlatonData
- förutsägelse
- utskrifter
- process
- bearbetning
- programmerbar
- kvantitativ
- Quantum
- R
- erkännande
- återkommande
- referens
- ren
- Upplösning
- respons
- robusta
- s
- skalbar
- Skala
- skalning
- Scholar
- SCI
- säkerhet
- segmentering
- senior
- sensor
- Signal
- Snapshot
- Samhället
- Mjukvara
- Källa
- Spektral
- tal
- Taligenkänning
- fart
- Ange
- strukturer
- sol
- system
- System
- T
- Tekniken
- än
- Smakämnen
- termisk
- saker
- till
- Överdelar
- träns
- Transaktioner
- transformatorer
- trimma
- enhet
- med hjälp av
- mycket
- via
- synlig
- syn
- W
- våglängder
- med
- ord
- värt
- X
- xiao
- Din
- zephyrnet
- zhang
- Zhao