我们都熟悉神经网络识别手写文本的能力。 这项技术的基础知识已经存在很多年了，但直到最近，计算能力和并行处理的飞跃才使这项技术成为非常实用的解决方案。 然而，这种实用的解决方案本质上是采用数字计算机重复改变位的形式，就像任何其他程序一样。 但威斯康星大学、麻省理工学院和哥伦比亚大学的研究人员开发的神经网络却并非如此。 他们 .
这种玻璃含有精确定位的内含物，例如气泡、石墨烯和其他材料的杂质。 当光线照射到玻璃上时，会产生复杂的波浪图案，导致十分之一的区域的光线变得更加强烈。 每个区域都对应一个数字。 例如，下面的两个例子展示了识别数字“二”时光如何传播。
通过 5000 张图像的训练集，神经网络能够正确识别 79 张输入图像中的 1000%。 该团队相信，如果他们能够绕过玻璃制造工艺造成的限制，他们就可以改善结果。 他们从非常有限的设备设计开始，以获得一个工作原型。 接下来，他们计划继续研究各种方法来提高识别质量，同时尽量不要使技术过于复杂，以便可以在生产中使用。 该团队还计划在玻璃中创建 XNUMXD 神经网络。
来源： habr.com