【技术实现步骤摘要】
本专利技术涉及神经网络，特别是涉及一种基于石墨烯的双波段光电探测器的图像识别方法。
技术介绍
1、作为机器学习算法，人工神经网络在许多领域都取得了巨大的成功，传统的神经网络实现通常依赖于数字计算单元，其处理速度受限于传统计算硬件的性能。执行机器学习任务所需的计算资源是非常苛刻的。因此，提供比传统计算机体系结构更好的性能和能源效率的专用硬件解决方案已成为主要的研究焦点。近年来，基于光电神经形态器件的神经网络实现成为了一种备受关注的趋势，通过神经形态器件的类脑计算可以实现存算一体，可以打破冯-诺依曼通信瓶颈的限制，基于光信号驱动的光电突触器件在功耗、速度与稳定性方面具有很大的优势，光刺激在神经形态系统中的应用促进了低串扰、高带宽和超低能耗的超快计算速度，全光调控的光电突触器件目前实现较为困难且工艺流程较为复杂。
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于石墨烯的双波段光电探测器的图像识别方法，结合基于石墨烯的双波段探测器，器件的光响应度能够在光调制下由负到正...
【技术保护点】
1.一种基于石墨烯的双波段光电探测器的图像识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于石墨烯的双波段光电探测器的图像识别方法，其特征在于，所述神经网络包括输入层、隐含层和输出层，所述双波段光电探测器的阵列规模为所述双波段光电探测器中包括的阵列布设的单元器件的数量，所述隐含层数量等于所述单元器件的数量。
3.根据权利要求2所述的基于石墨烯的双波段光电探测器的图像识别方法，其特征在于，所述神经网络以Relu函数作为激活函数，softmax函数作为损失函数。
4.根据权利要求1所述的基于石墨烯的双波段光电探测器的图像...
【技术特征摘要】
1.一种基于石墨烯的双波段光电探测器的图像识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于石墨烯的双波段光电探测器的图像识别方法，其特征在于，所述神经网络包括输入层、隐含层和输出层，所述双波段光电探测器的阵列规模为所述双波段光电探测器中包括的阵列布设的单元器件的数量，所述隐含层数量等于所述单元器件的数量。
3.根据权利要求2所述的基于石墨烯的双波段光电探测器的图像识别方法，其特征在于，所述神经网络以relu函数作为激活函数，softmax函数作为损失函数。
4.根据权利要求1所述的基于石墨烯的双波段光电探测器的图像识别方法，其特征在于，在训练验证后的神经网络中，通过如下公式计算输出所述输入图像的类别信息：
5.根据权利要求1所述的基于石墨烯的双波段光电探测器的图像识别方法，其特征在于，所述调节装置包括根据两种不同波段的光信号来调节石墨烯费米能级的装置。
6.根据权利要求1所述的基于石墨烯的双波段光电探测器的图像识别方法，其特征在于，所述单元器件包括第一光吸收层、石墨烯层、第一...
【专利技术属性】
技术研发人员：申钧，胡杰，李豪洲，杨旗，杨冬，
申请(专利权)人：中国科学院重庆绿色智能技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。