面向光神经网络的重编程电光非线性激活函数
信号处理
2019-08-09 v2 神经与进化计算
光学
摘要
我们介绍了一种用于光神经网络中非线性激活函数的电光硬件平台。该光到光非线性通过将一小部分输入光信号转换为模拟电信号来实现，该电信号用于强度调制原始光信号，且不降低处理速度。我们的方案在相对较低的光功率阈值下实现了传输中完全的非线性开关对比度，并消除了在网络每一层之间需要额外光源的要求。此外，该激活函数可通过电偏置重新配置，使其能够被编程或训练以合成多种非线性响应。通过数值模拟，我们证明该激活函数显著提升了光神经网络的表达能力，使其能够在两项基准机器学习任务上表现良好：学习多输入异或（XOR）逻辑函数，以及对来自MNIST数据集的手写数字图像进行分类。加入该非线性激活函数将MNIST任务的测试准确率从85%提升至94%。
引用
@article{arxiv.1903.04579,
title = {Reprogrammable Electro-Optic Nonlinear Activation Functions for Optical Neural Networks},
author = {Ian A. D. Williamson and Tyler W. Hughes and Momchil Minkov and Ben Bartlett and Sunil Pai and Shanhui Fan},
journal= {arXiv preprint arXiv:1903.04579},
year = {2019}
}
备注
12 pages, 6 figures