ऑप्टिकल डिफ्रैक्शन न्यूरल नेटवर्क पर आधारित छवि पहचान मॉडलों का शोध और विश्लेषण

डीप लर्निंग की तेजी से बढ़ती गणनात्मक आवश्यकताएं पारंपरिक इलेक्ट्रॉनिक कंप्यूटिंग हार्डवेयर की प्रदर्शन सीमाओं द्वारा बाधित हो रही हैं। ऑप्टिकल डिफ्रैक्टिव न्यूरल नेटवर्क (ODNNs) इस चुनौती का एक आशाजनक समाधान उभर कर सामने आते हैं, जो डेटा प्रोसेसिंग के लिए प्रकाश तरंगों के अद्वितीय लाभों को, जिसमें उच्च गति का प्रसार और अल्ट्रा कम शक्ति खपत शामिल है, का उपयोग करते हैं। इस पेपर में, हम ऑप्टिकल डिफ्रैक्शन के सिद्धांतों के आधार पर एक सैद्धांतिक ढांचा निकालते हैं और एक पांच-परत वाले चरण-मानित ODNN संरचना को डिज़ाइन करते हैं। इनपुट छवि आयामों, पिक्सेल रिज़ॉल्यूशन, परतों के बीच की दूरी और मौड्यूलेशन परतों की संख्या जैसे प्रमुख कारकों का व्यवस्थित विश्लेषण करते हुए, हम पहचान प्रणाली का अनुकूलन करते हैं। प्रस्तावित मॉडल MNIST हस्तलिखित अंक डेटासेट पर 97.1% सटीकता प्राप्त करता है, जो ऑप्टिकल छवि पहचान कार्यों में सफल सिमुलेशन और बेहतर प्रदर्शन को दर्शाता है। ये परिणाम कंप्यूटर विज़न अनुप्रयोगों में ODNNs की महत्वपूर्ण संभावनाओं और व्यावहारिक मूल्य को मान्य करते हैं।