[发明专利]基于残差网络的衍射深度神经网络系统

权利要求书

1.一种基于残差网络的衍射深度神经网络系统，其特征在于，包括：

光学输入模块，由光源和3D打印的输入物体或空间光调制器组成，使用光源均匀照射物体或空间光调制器，将输入物体的信息转化为透射光的光学信息；

残差衍射深度神经网络模块，由衍射调制层和残差连接模块构成，通过训练实现神经网络功能，以实现光学计算和信息处理功能，其中，所述残差连接模块包括光学分束镜和反射镜，对前一衍射调制层的输出进行分束，与当前衍射调制层输出的光场复数相加，实现从输入到输出的直接通路；以及

信息采集模块，由传感器组成，接收所述残差衍射深度神经网络模块的输出信号，并采集光学强度信息，以获得信息处理结果。

2.根据权利要求1所述的系统，其特征在于，所述衍射调制层由相位调制层和非线性光学元件组成，其中，所述相位调制层由空间光调制器实现，或者通过3D打印或光刻技术加工实现，且相位调制参数通过深度学习方法优化得到，使用非线性光学器件，利用晶体的电光效应和光折变效应实现光学信息的非线性调制，实现非线性激活函数。

3.根据权利要求1所述的系统，其特征在于，其中，各个模块放置的预设位置之间的距离通过预先训练得到。

4.根据权利要求3所述的系统，其特征在于，所述各个模块放置的预设位置之间的距离通过预先训练得到，包括：

建立仿真模型，根据任务需要给定训练集、测试集，通过深度学习、误差反向传播算法在训练过程中优化系统结构，调整相位调制层的参数及各模块之间的物理距离；

仿真设计完成后，使用3D打印或光刻技术进行物理制造，或利用空间光调制器搭建实际系统，执行特定的机器学习任务。