Wir sind alle mit der FĂ€higkeit von neuronalen Netzen zum Erkennen von Handschrift vertraut. Die Grundlagen dieser Technologie existieren bereits seit vielen Jahren, aber erst in letzter Zeit haben Fortschritte in der Rechenleistung und der parallelen Datenverarbeitung es ermöglicht, aus dieser Technologie eine Ă€uĂerst praktische Lösung zu entwickeln. Dennoch wird diese praktische Lösung letztlich in Form eines digitalen Computers prĂ€sentiert, der die Bits hĂ€ufig verĂ€ndert, genau wie bei der AusfĂŒhrung eines anderen Programms. Im Fall des neuronalen Netzes, das von Forschern der UniversitĂ€ten Wisconsin, MIT und Columbia entwickelt wurde, ist die Sache jedoch anders. Sie .
Dieses Glas enthĂ€lt prĂ€zise platzierte EinschlĂŒsse wie Luftblasen, Verunreinigungen aus Graphen und anderen Materialien. Wenn Licht auf das Glas fĂ€llt, entstehen komplexe Wellenmuster, durch die in einem von zehn Bereichen das Licht intensiver wird. Jeder dieser Bereiche entspricht einer bestimmten Zahl. Zum Beispiel zeigen die folgenden zwei Beispiele, wie Licht beim Erkennen der Zahl âzweiâ verteilt wird.
Mit einem Trainingssatz von 5000 Bildern kann das neuronale Netzwerk 79 % der 1000 Eingabebilder korrekt erkennen. Das Team ist der Meinung, dass sie das Ergebnis verbessern könnten, wenn sie die durch den Glasproduktionsprozess verursachten EinschrĂ€nkungen umgehen könnten. Sie begannen mit einem sehr eingeschrĂ€nkten Design des GerĂ€ts, um einen funktionierenden Prototyp zu erstellen. AnschlieĂend planen sie, verschiedene Methoden zur Verbesserung der ErkennungsqualitĂ€t zu untersuchen, wobei sie darauf achten, die Technologie nicht ĂŒber GebĂŒhr zu komplizieren, damit sie spĂ€ter in der Produktion eingesetzt werden kann. Das Team hat auch PlĂ€ne fĂŒr die Erstellung eines dreidimensionalen neuronalen Netzwerks im Glas.
Quelle: habr.com
