随着人工智能技术的飞速发展,电子计算在功耗与算力层面正日益逼近其物理极限.衍射神经网络凭借其低功耗、光速运算与高度并行处理能力,成为突破现有电子计算瓶颈的重要技术路径之一.非线性作为提升衍射神经网络性能的核心,已引起研究界的广泛关注.然而,现有研究多集中于非线性层的硬件实现方案,对整体网络架构中非线性机制的系统性分析严重缺乏.尤其关键的是,诸如非线性层的位置、数量以及激活函数类型等结构参数尚未得到充分探索,这在相当程度上制约了高性能非线性衍射神经网络的进一步发展与优化.为此,本文以人体动作识别为典型任务,系统探究了非线性层数量、位置及激活函数类型对识别性能的影响规律.实验结果表明,上述结构参数对系统识别准确率具有显著影响.因此,在实际应用中需结合具体任务需求进行全面评估,以确定最佳网络参数配置,从而充分释放非线性衍射神经网络的性能潜力.本研究系统揭示了网络结构参数与识别准确率之间的内在联系,为高性能非线性衍射神经网络的结构设计与优化提供了理论依据与方法支撑.
Ning et al. (Sun,) studied this question.