منصة الرسائل والاطاريح: تصميم ومحاكاة نظام شبكة عصبية هجينة

الخلاصة

على الرغم من أن الشبكات العصبية الاصطناعية تحقق تقدما كبير في مجالات التكنولوجيا الواسعة والمتنوعة، لكن تتطلب عملية تدريب معلمات الشبكة العصبية الاصطناعية قدرًا كبيرًا من الوقت والطاقة. من الضروري استخدام شبكات عصبية جديدة تختلف عن الشبكات العصبية الاصطناعية المعروفة باسم الشبكات العصبية الضوئية. يمكن لشبكات العصبية الضوئية تحسن اداء المهام المطلوبة بشكل كبير من خلال الاستفادة من خصائصها العالية مثل السرعة العالية وعرض النطاق الترددي العالي والمعالجة المتوازنة العالية والاستهلاك المنخفض للطاقة. تقترح الدراسة تدريب شبكة عصبية بصرية من خلال وحدات غير خطية بواسطة امتصاص قابل للتشبع (SA) لأداء مهام تصنيف الصور. يتم تدريب واختبار الشبكات العصبية بمساعدة مجموعات البيانات (KMNIST، EMNIST، MNIST). تحتوي جميع البيانات على صور بأبعاد (28 × 28) بكسل بتدرج الرمادي. تقوم الشبكة العصبية التلافيف بمعالجة الصور عبر سلسلة من طبقات لاستخراج ميزات الصور. بعدها يدخل الاخراج الى الشبكة العصبية الضوئية التي تقوم بمعالجة الميزات بشكل أكبر وإجراء التصنيف النهائي. يستخدم متوسط الخطأ المطلق لتحديد الخطأ بين المخرجات الفعلية والمتوقعة. ثم يُعاد نشر الخطأ عبر الشبكة لتحديث الأوزان باستخدام خوارزمية الانتشار العكسي. تحدث عملية التدريب عن طريق تكرار عملية التمرير للأمام والخلف في الاتجاه الذي يقلل من وظيفة الخسارة إلى أدنى قيمة. بعد الانتهاء من عملية التدريب واستخراج النتائج، تستخدم مجموعة الاختبار لتقييم أداء النموذج. تضمنت نتائج النظام زيادة في عامل الدقة وانخفاض عامل الخسارة لذلك ان النظام المقترح مثالي لتدريب الشبكة العصبية البصرية وأداء مهام تصنيف الصور لمجموعات البيانات. أخيرًا، تمت عمل مقارنة اداء الشبكات العصبية الضوئية مع أداء الشبكات العصبية الاصطناعية الذي يستخدم وظائف تنشيط ReLU. يلاحظ من خلال النتائج أن دقة الشبكات العصبية الاصطناعية قريبة تقريبًا من دقة شبكات العصبية الضوئية. أما بالنسبة لقيمة خسارة الشبكات العصبية الضوئية فهي أفضل بكثير من قيمة خسارة ANNs، وكذلك بالنسبة لسرعة المعالجة في تنفيذ الشبكات العصبية الضوئية فقد كانت أسرع من سرعة تنفيذ الشبكات العصبية الاصطناعية والسبب يرجع إلى الخصائص المميزة للشبكات العصبية الضوئية مقارنة بشبكات العصبية الاصطناعية .