Optisches Reservoir Computing mit direkten optischen Eingabedaten

Die Klassifizierung optischer Bild- und Videodaten z.B. mit künstlichen neuronalen Netzwerken gewinnt in Zeiten zunehmender Automatisierung immer mehr an Bedeutung. Anwendungsfelder sind u.a. Handschrifterkennung, Identifikation oder Videoüberwachung. Ein viel diskutierter Ansatz des maschinellen Lernens ist dabei das Reservoir Computing. Dieser eignet sich besonders für eine optische Implementierung, da sich der Trainingsvorgang auf die Ausgangsebene des Netzwerkes beschränkt. In Kombination mit optisch aufbereiteten Eingangsdaten werden so schnelle und effiziente Computingsysteme realisiert. In einem existierenden elektrooptischen Reservoir-Computing-System auf Basis eines spatialen Lichtmodulators, werden elektronische Komponenten sukzessive durch optische Implementierungen ersetzt. Ziel ist eine rein optische, direkte und parallele Datenverarbeitung, wobei der Einfluss der Reservoir-Architektur und der optischen Systemgestaltung auf die Klassifizierungsfähigkeit analysiert werden. In diesem Beitrag werden erste Ansätze und Ergebnisse auf dem Weg zu einer rein optischen Implementierung präsentiert. 14 M I al Computing und maschinelles Lernen T R. Brüning T W O C H