Simonyan, K. & Zisserman, A. 大規模な画像認識のための非常に深い畳み込みネットワーク。で 第3回学習表現に関する国際会議 1–14 (ICLR、2015)。
Wang, G. et al.画像固有の微調整によるディープラーニングを使用したインタラクティブな医療画像セグメンテーション。 IEEEトランス。医学。イメージング 37、1562 –1573(2018)
古井 S.、デン L.、ゲイルズ M.、ネイ H.、徳田 K. 現代の音声認識の基礎技術。 IEEE 信号処理雑誌 29、16 –17(2012)
Sak, H.、Senior, A.、Rao, K. & Beaufays, F. 音声認識のための高速かつ正確なリカレント ニューラル ネットワーク音響モデル。で 手順国際スピーチコミュニケーション協会年次大会 INTERSPEECH 1468 ~ 1472 年 (ISCA、2015)。
He、K.、Zhang、X.、Ren、S.、Sun、J. 画像認識のための深層残差学習。で 手順コンピュータビジョンとパターン認識に関するIEEEコンピュータ協会会議 770–778(IEEE、2016)。
Lecun, Y.、Bengio, Y.、Hinton, G. 深層学習。 自然 521、436 –444(2015)
Mennel、L. et al。 2Dマテリアルニューラルネットワークイメージセンサーを備えた超高速マシンビジョン。 自然 579、62 –66(2020)
リュー、L.ら。自動運転用コンピューティング システム: 最先端技術と課題。 IEEE インターネット シングス J. 8、6469 –6486(2021)
Shi、W.ら。 LOEN: レンズレス光電子ニューラル ネットワークによりマシン ビジョンが強化されました。 ライトサイエンス。 Appl。 11、121(2022)
Hamerly, R.、Bernstein, L.、Sludds, A.、Soljačić, M.、Englund, D. 光電増倍に基づく大規模光ニューラル ネットワーク。 Phys。 牧師X 9、021032(2019)
Wetzstein、G. et al.深層光学とフォトニクスを使用した人工知能の推論。 自然 588、39 –47(2020)
Shastri、BJ等。 人工知能とニューロモーフィック コンピューティングのためのフォトニクス。 Nat。 光子。 15、102 –114(2021)
Xue, W. & Miller, O.D. 最適化された多層フィルムによる高 NA 光学エッジ検出。 J. オプティクス 23、125004(2021)
Wang, T. et al.乗算ごとに 1 光子未満を使用する光ニューラル ネットワーク。 Nat。 コミュニ 13、123(2022)
Wang, T. et al.多層非線形光学ニューラルネットワークによる画像センシング。 Nat。 光子。 17、8 –17(2023)
Badloe, T.、Lee, S. & Rho, J. 光の速度での計算: 全光計算とニューラル ネットワーク用のメタマテリアル。 アドバンス光子。 4、064002(2022)
ヴァンダーラグト、A. 光信号処理 (Wiley、1993)。
Chang, J.、Sitzmann, V.、Dun, X.、Heidrich, W. & Wetzstein, G. 画像分類用に最適化された回折光学系を備えたハイブリッド光電子畳み込みニューラル ネットワーク。 サイ。 担当者 8、12324(2018)
Colburn, S.、Chu, Y.、Shilzerman, E.、Majumdar, A. 畳み込みニューラル ネットワーク用の光学フロントエンド。 Appl。 Opt。 58、3179(2019)
Zhou, T. et al.再構成可能な回折処理ユニットを備えた大規模なニューロモーフィック オプトエレクトロニクス コンピューティング。 Nat。 光子。 15、367 –373(2021)
Chen, Y. H.、Krishna, T.、Emer, J. S. & Sze, V. Eyeriss: ディープ畳み込みニューラル ネットワーク用のエネルギー効率の高い再構成可能なアクセラレータ。 IEEE J.ソリッドステート回路 52、127 –138(2017)
Neshatpour, K.、Homayoun, H.、Sasan, A. ICNN: 反復畳み込みニューラル ネットワーク。で 組み込みコンピューティング システム上の ACM トランザクション 18、119(ACM、2019)。
Xu、X.ら。 11 TOPS 光ニューラル ネットワーク用のフォトニック畳み込みアクセラレータ。 自然 589、44 –51(2021)
Feldmann、J.etal。 統合されたフォトニックテンソルコアを使用した並列畳み込み処理。 自然 589、52 –58(2021)
ウー、C.ら。マルチモードフォトニック畳み込みニューラルネットワーク用の導波路上のプログラム可能な相変化メタサーフェス。 Nat。 コミュニ 12、96(2021)
Zhang、H.ら。複素数値ニューラルネットワークを実装するための光学ニューラルチップ。 Nat。 コミュニ 12、457(2021)
Ashtiani, F.、Geers, A.J.、Aflatouni, F. 画像分類用のオンチップ フォトニック ディープ ニューラル ネットワーク。 自然 606、501 –506(2022)
Fu, T. et al.オンチップ回折光学系を使用したフォトニック機械学習。 Nat。 コミュニ 14、70(2023)
リン、Xら。回折ディープ ニューラル ネットワークを使用した全光学的機械学習。 科学 361、1004 –1008(2018)
Qian, C. et al.回折ニューラル ネットワークによる光論理演算の実行。 ライトサイエンス。 Appl。 9、59(2020)
Luo, X. et al.可視領域におけるメタサーフェス対応のオンチップ多重回折ニューラル ネットワーク。 ライトサイエンス。 Appl。 11、158(2022)
Kwon, H.、Arbabi, E.、Kamali, S.M.、Faraji-Dana, M. S.、および Faraon, A. 多機能メタサーフェスのシステムを使用したシングルショット定量位相勾配顕微鏡法。 Nat。 光子。 14、109 –114(2020)
シオン、B.ら。人工ノイズを使用して、光メタサーフェスにおける偏波多重化の制限を打ち破ります。 科学 379、294 –299(2023)
Khorasaninejad、M. et al.可視波長のメタレンズ: 回折限界の集束とサブ波長解像度のイメージング。 科学 352、1190 –1194(2016)
キム、J.ら。可視領域のメタフォトニクス向けの高屈折率原子層とポリマーのハイブリッド メタ表面のスケーラブルな製造。 Nat。 母校。 22、474 –481(2023)
レバノン、N.ら。面内対称性を破った準 BIC 全誘電体メタサーフェスの角度透過応答。 ACSフォトニクス 9、3642 –3648(2022)
Nolen, J. R.、Overvig, A. C.、Cotrufo, M. & Alù, A. 熱メタサーフェスからの任意に分極された一方向の放射。でプレプリント https://arxiv.org/abs/2301.12301 とします。
Guo, C.、Xiao, M.、Minkov, M.、Shi, Y. & Fan, S. 画像微分のためのフォトニック結晶スラブ ラプラス演算子。 オプティカ 5、251 –256(2018)
Cordaro、A.ら。 数学演算を実行する高屈折率誘電体メタサーフェス。 ナノレット。 19、8418 –8423(2019)
Zhou, Y.、Zheng, H.、Kravchenko, II & Valentine, J. 画像差別化のためのフラット光学。 Nat。 光子。 14、316 –323(2020)
Fu、W.ら。任意の全光学コンボリューション用の超小型メタイメージャー。 ライトサイエンス。 Appl。 11、62(2022)
Wang, H.、Guo, C.、Zhao, Z. & Fan, S. ナノフォトニック構造によるコンパクトなインコヒーレント画像の微分。 ACSフォトニクス 7、338 –343(2020)
Zhang、X.、Bai、B.、Sun、H.B.、Jin、G.、Valentine、J. 最適化された多層膜に基づくインコヒーレントな光電子微分。 レーザーフォトン Rev. 16、2200038(2022)
Zheng、H.ら。オブジェクト分類器用のメタ光学アクセラレータ。 サイエンス。 前売 8、eabo6410(2022)。
バーンスタイン、L.ら。シングルショット光ニューラル ネットワーク。 サイエンス。 前売 9、eadg7904 (2023)。
Shen、Z.ら。パッシブシングルショット 4D イメージング用の単眼メタサーフェス カメラ。 Nat。 コミュニ 14、1035(2023)
LeCun、Y.、Bottou、L.、Bengio、Y。&Haffner、P。ドキュメント認識に適用される勾配ベースの学習。 手続き IEEE 86、2278 –2323(1998)
Zheng、H.ら。完全かつロスのないフィールド制御のための複合メタオプティクス。 ACSナノ 16、15100 –15107(2022)
Liu, S. et al. 2020 年代の ConvNet の増加: スパース性を使用してカーネルを 51×51 を超えてスケールアップします。で 第11回学習表現に関する国際会議 1–23 (ICLR、2023)。
Barron, J.T. 一般的で適応性のあるロバストな損失関数。で 手順コンピュータビジョンとパターン認識に関するIEEEコンピュータ協会会議 4326–4334(IEEE、2019)。
Dosovitskiy、A. et al.画像は 16×16 ワードの価値があります。大規模な画像認識のためのトランスフォーマーです。で 第9回学習表現に関する国際会議 1–22 (ICLR、2021)。
Stillmaker, A. & Baas, B. 180 nm から 7 nm までの CMOS デバイスのパフォーマンスを正確に予測するためのスケーリング方程式。 統合 58、74 –81(2017)
McClung, A.、Samudrala, S.、Torfeh, M.、Mansouree, M.、Arbabi, A. 並列メタシステムによるスナップショット スペクトル イメージング。 サイエンス。 前売 6、eabc7646(2020)。
Ding, X.、Zhang, X.、Han, J. & Ding, G. カーネルを 31 × 31 にスケールアップ: CNN の大規模なカーネル設計を再検討します。で 手順コンピュータビジョンとパターン認識に関するIEEEコンピュータ協会会議 11953–11965(IEEE、2022)。
ディン、Xら。 RepVgg: VGG スタイルの ConvNet を再び優れたものにします。で 手順コンピュータビジョンとパターン認識に関するIEEEコンピュータ協会会議 13728–13737(IEEE、2021)。
リー、L.ら。インテリジェントなメタサーフェス イメージャおよびレコグナイザ。 ライトサイエンス。 Appl。 8、97(2019)
Zhao、R.ら。マルチチャンネルのベクトルホログラフィック表示と暗号化。 ライトサイエンス。 Appl。 7、95(2018)
キム、I.ら。フォトニック セキュリティ プラットフォーム用のピクセル化された二機能メタサーフェス駆動の動的ベクトル ホログラフィック カラー プリント。 Nat。 コミュニ 12、3614(2021)
Li、L.ら。 メタレンズアレイベースの高次元多光子量子源。 科学 368、1487 –1490(2020)
Hugonin, A. J. P. および Lalanne, P. 回折格子解析用 RETICOLO ソフトウェア。でプレプリント https://arxiv.org/abs/2101.00901 とします。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://www.nature.com/articles/s41565-023-01557-2
- :は
- ][p
- $UP
- 1
- 10
- 11
- 12
- 121
- 13
- 14
- 視聴者の38%が
- 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
- 視聴者の38%が
- 36
- 39
- 40
- 41
- 43
- 46
- 49
- 50
- 51
- 52
- 53
- 54
- 58
- 60
- 7
- 70
- 8
- 9
- 97
- a
- 加速している
- 加速器
- 加速器
- 正確な
- ACM
- アコースティック
- 適応
- 再び
- AL
- an
- 分析
- および
- 角度の
- 毎年恒例の
- 適用された
- 宝品
- 記事
- 人工の
- 人工知能
- 協会
- At
- アトミック
- 自律的
- b
- バース
- ベース
- 越えて
- 破壊
- by
- カメラ
- 課題
- チップ
- 分類
- クリック
- カラー
- コミュニケーション
- コンパクト
- コンプリート
- 計算
- コンピュータ
- Computer Vision
- コンピューティング
- 講演
- コントロール
- たたみ込みニューラルネットワーク
- 基本
- クリスタル
- 深いです
- 深い学習
- 深いニューラルネットワーク
- ディープニューラルネットワーク
- 設計
- 検出
- デバイス
- ディスプレイ
- ドキュメント
- 運転
- ダイナミック
- e
- E&T
- エッジ(Edge)
- 埋め込まれた
- エミッション
- 権限を与え
- 暗号化
- 設計された
- 方程式
- エーテル(ETH)
- 外部
- ファン
- スピーディー
- フィールド
- 終わり
- フラットな
- 焦点
- から
- フロントエンド
- function
- 基本的な
- でログイン
- 素晴らしい
- ホログラフィック
- HTTP
- HTTPS
- ハイブリッド
- i
- ICLR
- IEEE
- 画像
- 画像分類
- 画像認識
- 画像分割
- イメージング
- 実装
- in
- 統合された
- インテリジェンス
- インテリジェント-
- 相互作用的
- 世界全体
- インターネット
- 大
- 大規模
- 学習
- リー
- less
- 光
- 制限
- LINK
- ロジック
- 損失
- 機械
- 機械学習
- マシンビジョン
- 胃
- 作成
- 製造業
- 材料
- 数学的
- 医療の
- メタマテリアル
- 顕微鏡検査
- ミラー
- モデル
- モダン
- 他には?
- マルチチャンネル
- 多光子
- ナノテクノロジー
- 自然
- ネットワーク
- ネットワーク
- ニューラル
- ニューラルネットワーク
- ニューラルネットワーク
- ノイズ
- オブジェクト
- of
- on
- 業務執行統括
- オペレータ
- 光学
- 光学とフォトニクス
- 最適化
- 並列シミュレーションの設定
- パッシブ
- パターン
- 以下のために
- パフォーマンス
- 実行
- 相
- プラットフォーム
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- 予測
- プリント
- プロセス
- 処理
- プログラム可能な
- 量子
- R
- 認識
- 再発
- 参照
- REN
- 解像度
- 応答
- 堅牢な
- s
- ド電源のデ
- 規模
- スケーリング
- 学者
- SCI
- セキュリティ
- セグメンテーション
- シニア
- センサー
- シグナル
- Snapshot
- 社会
- ソフトウェア
- ソース
- スペクトル
- スピーチ
- 音声認識
- スピード
- 都道府県
- 構造
- 日
- システム
- T
- テクノロジー
- より
- サーマル
- 物事
- 〜へ
- トップス
- トランス
- 取引
- トランスフォーマー
- 単位
- 非常に
- 、
- 目に見える
- ビジョン
- W
- 波長
- 言葉
- 価値
- X
- シャオ
- あなたの
- ゼファーネット
- チャン
- 趙