Optical Implementation of Single Layer Neural Networks Using Diffraction Grating

회절격자를 이용한 광학적 단층 인식자의 구현

A modified quantizing method is introduced to teach single layer learning algorithm, which is implemented optically. The proposed optical system consists of input masks, holographic diffraction grating. LCD and CCD camera. The 2 dimensional interconnections between input neurons and output neurons are realized using holographic phase grating, which is fabricated for equal intensity distribution of diffraction orders. The two gray levels of LCD act as binary weights for each interconnection. The weights are compensated according to the learning algorithm in which the amount of weights to be compensated is determined by comparing the output patterns with target patterns. The learning process is iterated until the predetermined conditions are satisfied. Optical experiments are performed for two learning rates, 0.5 and 0.9 and the experimental results show that the proposed system is useful for optical neural networks.

본 논문에서는 새로운 양자화 방법을 도입하여 학습을 수행하는 단층 신경망을 광학적으로 구현하였다 본 논문의 시스템은 입력 마스크 위상형 홀로그램 회절격자. LCD, CCD 카메라 등으로 구성된다. 입력단의 뉴런과 출력단의 뉴런간의 연결은 홀로그램 회절격자를 이용하여 2차원 연결을 이루었으며, 회절광들의 세기를 같게 하기 위하여 진폭형 회절격자를 위상형 회절격자로 변환시켰다. 뉴런간의 가중치는 2진 양자화되어 LCD를 이용하여 나타내었고, 출력값은 CCD를 통하여 컴퓨터에 입력되어 가중치를 보정하며, 이 과정은 학습이 완료될 때가지 반복 수행된다. 실험은 학습도 (learning rate) 0.5, 0.9에 대하여 실행하였으며, 제안된 방식으로 학습을 무리없이 수행할 수 있음을 확인할 수 있었다.