Migrating Knowledge between Physical Scenarios Based on Artificial Neural Networks | |||||
---|---|---|---|---|---|
대표 URL | https://pubs.acs.org/doi/10.1021/acsphotonics.8b01526 | ||||
작성자 | 관리자 | 게시일 | 2020.02.07 | 조회수 | 1,281 |
MIT Marin Soljacic 교수 연구팀에서는 Nano particle 또는 Multi-layer와 그 스펙트럼 데이터셋을 딥러닝을 이용해 학습시킨 Base net으로 적은 데이터를 가지고도 Transfer net 을 통해 다른 디자인을 수행할 수 있는 연구(예: Nano particle 학습 신경망을 이용한 Multi-layer 디자인) 를 진행하였다. 10-layer에서 8-layer 로의 학습의 경우 50.5% 오차를 줄일 수 있었고, Multi-layer의 투과 스펙트럼을 Multi-nano shell particle의 산란 스펙트럼으로 전달 학습시킬 때는 오차율이 19.7% 감소되었다. 또한 각 작업에 대하여 다른 물리현상에 대해 있는작은 데이터만을 가지고 성능을 동시에 향상시키는 멀티태스킹 학습방법을 제안했다.