申请/专利权人：天津大学

申请日：2024-03-28

公开（公告）日：2024-06-11

公开（公告）号：CN118172642A

主分类号：G06V10/82

分类号：G06V10/82;G06V10/94;G06V10/766;G06N3/044;G06N3/067;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.28#实质审查的生效;2024.06.11#公开

摘要：本发明涉及图像识别技术领域，具体公开了一种缓解反馈系数偏移导致光电储备池计算图像识别性能下降的训练方法，通过将反馈系数最优值下获得的信息传输到偏移值下的储备池计算训练中，提高了光电储备池计算由于反馈系数发生微小偏移而迅速下降的识别性能，本发明通过将实验中发生反馈系数偏移时在训练阶段采集到的虚拟节点响应按照偏移前后分成两部分，根据迁移学习的概念，将反馈系数最优值下得到的储备池输出权重进行校正，得到偏移值下的输出权重，通过传输系数控制从最优值情况传输到偏移情况下的信息量，本发明在不增加系统复杂度的前提下，有效缓解了反馈系数偏移对光电储备池计算图像识别性能的负面影响。

主权项：1.一种缓解反馈系数偏移导致光电储备池计算图像识别性能下降的训练方法，包括以下步骤：S1、实验搭建用于识别Fashion-MNIST数据集的光电储备池计算系统，对该系统进行训练和测试；图像经过预处理后输入到储层，采集储层虚拟节点的瞬态响应，通过输出权重进行加权求和；S2、对光电储备池计算系统进行训练，取Fashion-MNIST数据集的训练集作为输入图像，对光电储备池计算系统进行训练，当重要参数反馈系数在图像输入过程中由于激光二极管输出功率变化而发生微小偏移时，将采集到的光电储备池虚拟节点的瞬态响应分为两个部分，一部分是输入图像在反馈系数仍然保持在最优值时得到的，称为训练源矩阵XS，对应的储备池输出权重称为训练源权重WS；另一部分则是在反馈系数发生偏移后得到的，称为训练目标矩阵XT，对应的储备池输出权重称为训练目标权重WT；训练源权重WS由训练源矩阵XS经过岭回归训练得到；而训练目标权重WT则根据迁移学习通过在反馈系数最优值下获得的训练源权重WS经过微小校正得到，计算公式为：WT＝WS+δW；其中，校正权重δW由结合了岭回归和迁移学习的训练公式得到，公式如下：δW＝argmin||WTXT-YT||2+λ||WT||2+μ||δW||2；式中YT是根据训练图像的标签构建的目标矩阵，λ为正则化系数，μ为传输系数，表示从训练源权重WS传输到训练目标权重WT的信息量；通过调整传输系数μ的具体数值，得到不同传输速率下对应的校正权重δW和训练目标权重WT；S3、对不同传输系数下的训练目标权重WT进行分析，比较不同训练目标权重WT对应的识别准确率，取最高识别准确率对应的训练目标权重WT为储备池的输出权重，其对应的传输系数为最优传输系数，完成训练。

全文数据：

权利要求：

百度查询： 天津大学 一种缓解反馈系数偏移导致光电储备池计算图像识别性能下降的训练方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD