电光信号处理器中学习的具身化
新兴技术
2018-02-09 v2 神经与进化计算
摘要
延迟耦合电光系统因其动力学特性及在信号处理中的潜在应用而备受关注。特别是，最近利用称为储备池计算的人工智能算法已证明此类系统的光子实现能解决诸如语音识别等复杂任务。在此，我们展示了如何在同一用于计算的电光延迟耦合架构上物理实现反向传播算法，且只需对原始设计做微小改动。我们发现，与不使用反向传播算法相比，所得计算设备在三个基准任务上评估的错误率显著降低。这表明电光模拟计算机能够具身化其自身训练过程的大部分，从而可应用于新的、更困难的任务。
引用
@article{arxiv.1610.06269,
title = {Embodiment of Learning in Electro-Optical Signal Processors},
author = {Michiel Hermans and Piotr Antonik and Marc Haelterman and Serge Massar},
journal= {arXiv preprint arXiv:1610.06269},
year = {2018}
}
备注
Main text (5 pages, 2 figures) merged with the supplementary material (8 pages, 5 figures)