我們都熟悉神經網路辨識手寫文字的能力。 這項技術的基礎知識已經存在很多年了，但直到最近，運算能力和平行處理的飛躍才使這項技術成為非常實用的解決方案。 然而，這種實用的解決方案本質上是採用數位計算機重複改變位元的形式，就像任何其他程式一樣。 但威斯康辛大學、麻省理工學院和哥倫比亞大學的研究人員所開發的神經網路卻並非如此。 他們 .
這種玻璃含有精確定位的內含物，例如氣泡、石墨烯和其他材料的雜質。 當光線照射到玻璃上時，會產生複雜的波浪圖案，導致十分之一的區域的光線變得更加強烈。 每個區域都對應一個數字。 例如，以下的兩個例子展示了識別數字「二」時光如何傳播。
透過 5000 張影像的訓練集，神經網路能夠正確辨識 79 張輸入影像中的 1000%。 團隊相信，如果他們能夠繞過玻璃製造流程造成的限制，他們就可以改善結果。 他們從非常有限的設備設計開始，以獲得一個工作原型。 接下來，他們計劃繼續研究各種方法來提高識別質量，同時盡量不要使技術過於複雜，以便可以在生產中使用。 該團隊還計劃在玻璃中創建 XNUMXD 神經網路。
來源： www.habr.com