Séance de cours

Réseau profond Diffractive: Informatique optique

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MICRO-722: 3D Printing with light

Optical aspects of 3D printing technology. This includes optical systems for scanning and excitation, photopolymers, glass and other photoactive materials, and optical components fabricated with 3D printing technology. ...

Description

Cette séance de cours de l'instructeur couvre la mise en œuvre de réseaux de neurones utilisant des couches diffractives et de la lumière cohérente, en se concentrant sur l'informatique optique. Il explore la conception de systèmes optiques spécifiques à une tâche, l'apprentissage automatique entièrement optique et les réseaux neuronaux optiques diffractifs. La présentation comprend également des expériences de classification, d'impression de couches diffractives et de résultats de chiffres MNIST.

Enseignant·e·s (2)

Demetri Psaltis

Enseignement et PhD Doctorant·es actuel·les Victoria Fay, Colin Nikhil Christian A dirigé les thèses EPFL de Wuzhou Song, Alexandre Goy, Julien Cuennet, Ioannis Papadopoulos, Xin Yang, Grégoire Pierre Jean Laporte, Thomas Jean Victor Marie Lanvin, Seyyed Mohammad Hosseini Hashemi, Nicolino Stasio, Morteza Hasani Shoreh, Marilisa Romito, Pooria Hadikhani, Eirini Kakkava, Joowon Lim, Giulia Panusa, Ahmed Bassam Sayed Ayoub Mohamed Ayoub, Amirhossein Saba, Niyazi Ulas Dinç A co-dirigé les thèses EPFL de Ugur

Christophe Moser

Christophe Moser is Associate Professor of Optics and the Section Director in the Microengineering department at EPFL. He obtained his PhD at the California Institute of Technology in optical information processing in 2000. He co-founded and was the CEO of Ondax Inc (acquired by Coherent Inc.), Monrovia California for 10 years before joining EPFL in 2010. His current interests are ultra-compact endoscopic optical imaging through multimode fibers, multimode fiber lasers, retinal imaging and additive manufacturing via volumetric 3D printing with light. He is the co-founder of Composyt light lab in the field of head worn displays in 2014 (acquired by Intel Corp), Earlysight SA and Readily3D. He is the author and co-author of 75 peer reviewed publications and 45 patents.

Source officielle

Proximité ontologique

Information engineering

Apprentissage automatique: Réseau de neurones artificiels

Concepts associés (32)

Imprimerie

thumb|Johannes Gutenberg, inventeur de la presse mécanique à caractère alphabétique mobile métallique à partir de 1450. L'imprimerie est un ensemble de techniques permettant la reproduction en grande quantité, sur support matériel, d'écrits et d'illustrations, cela afin d'en permettre une distribution de masse. Généralement, on utilise des supports plans et la matière la plus utilisée est le papier ou le textile. Ces techniques forment ce que l'on appelle communément la chaîne graphique.

Réseau de neurones récurrents

Un réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.

Apprentissage automatique

L'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.

Réseau de neurones artificiels

Un réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.

Sérigraphie

La sérigraphie (du latin sericum la soie et du grec graphein l’écriture) est une technique d’imprimerie qui utilise des pochoirs (à l'origine, des écrans de soie) interposés entre l’encre et le support. Les supports utilisés peuvent être variés (papier, carton, textile, métal, verre, bois, etc.). La sérigraphie fut créée par les Chinois durant la dynastie Song (960-1279) et se répandit dans les pays voisins. La forte émigration chinoise vers les États-Unis au marqua l’entrée de la sérigraphie dans l’ère moderne et favorisa son éclosion outre-Atlantique.

Afficher plus

Séances de cours associées (64)

Réseaux neuronaux : formation et activation

Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.

Réseaux neuronaux multicouches: Deep Learning

Couvre les fondamentaux des réseaux neuronaux multicouches et de l'apprentissage profond.

Réseaux neuronaux : Algorithme du modèle Perceptron et de la rétropropagation

Couvre le modèle perceptron et l'algorithme de rétropropagation dans les réseaux neuronaux.

Deep Learning : Détection de périphérie et réseaux neuronaux

Discute des techniques de détection de bord et de l'évolution de l'apprentissage profond dans les réseaux neuronaux.

Réseaux neuronaux : Réseau neuronal à deux couches

Couvre les bases des réseaux neuraux, en mettant l'accent sur le développement des réseaux neuraux de deux couches vers les réseaux neuraux profonds.

Afficher plus

Concepts associés (32)

Imprimerie

Réseau de neurones récurrents

Apprentissage automatique

Réseau de neurones artificiels

Sérigraphie

Afficher plus