用于高阶高斯光束的光学神经网络分类器的超参数调优
光学
2022-04-06 v1
摘要
具有多种传播模式的高阶高斯光束已被研究用于自由空间光通信。已有研究提出使用衍射深度神经网络（D2NN）对光束进行快速分类。D2NN 的优化十分重要，因为它具有众多超参数，如层间距离和模式组合。在本研究中，我们使用 D2NN 对作为高阶高斯光束的厄米-高斯光束进行分类，并自动调优其被称为层间距离的超参数之一。我们采用树状结构 Parzen 估计器这一超参数自动调优算法来搜索最佳模型。结果表明，通过自动调优超参数所获得的分类精度高于以等间隔手动设置层间距离所得精度。此外，我们确认随着分类模式数量的增加，自动调优的精度也有所提升。
引用
@article{arxiv.2112.09872,
title = {Hyperparameter tuning of optical neural network classifiers for high-order gaussian beams},
author = {Shunsuke Watanabe and Tomoyoshi Shimobaba and Takashi Kakue and Tomoyoshi Ito},
journal= {arXiv preprint arXiv:2112.09872},
year = {2022}
}