抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
単一ピクセル検出を用いて,符号化と復号化の両方を同時に最適化するエンドツーエンドニューラルネットワークは,高精度イメージングと高レベル意味センシングを可能にする。しかし,様々なサンプリング速度に対して,大規模ネットワークには,労力と計算を消費する再訓練を必要とする。本レターでは,動的レート適応単一ピクセルイメージングとセンシングのための重み付き最適化技術を報告し,サンプリング速度に利用可能な1つの時間に対してネットワークを訓練するだけを必要とした。特に,異なるパターン変調効率を特徴付けるために,符号化プロセスにおける新しい重み付け方式を導入した。ネットワークを高サンプリングレートで訓練する間,変調パターンと対応する重みを反復的に更新し,収束するときに最適ランク符号化系列を生成する。実験実装において,最高の重みを有する最適パターン系列を光変調のために採用して,このように,高効率イメージングとセンシングを達成した。報告した戦略は,既存の動的単一ピクセルネットワークによって要求される別の低レートネットワークの追加訓練を節約し,さらに訓練効率をさらに二倍にする。MNISTデータセットに関する実験は,一度ネットワークが1のサンプリングレートで訓練されたとき,平均画像PSNRが0.1サンプリングレートで23.50dBに達し,そして,画像フリー分類精度は,サンプリング速度0.1で0.03と97.91%のサンプリング率で95.00%に達することを証明した。【JST・京大機械翻訳】