首页 > 论文 > 激光与光电子学进展 > 56卷 > 12期(pp:122201--1)

一种快速收敛的随机并行梯度下降算法

Fast Convergence Stochastic Parallel Gradient Descent Algorithm

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

理论模拟仿真了基于变形镜与随机并行梯度下降(SPGD)算法的无波前探测自适应光学系统(AOS)。为提高基于SPGD算法的无波前探测AOS的收敛速度,在不降低精度的前提下,对SPGD算法中关键参数随机扰动幅值和增益系数的关系进行了优化。实验发现, AOS存在参数优选区域,且与初始畸变大小有关。进行了理论验证并与模拟退火算法进行了比较,结果表明,SPGD算法收敛精度比模拟退火算法高6.32%,具有更好的收敛速度。

Abstract

In this paper, based on deformable mirrors and the stochastic parallel-gradient-descent (SPGD) algorithm, an adaptive optics system (AOS) without wavefront detection is theoretically simulated. In order to improve the convergence speed of the AOS without reducing its accuracy, this paper optimizes the relationship between the amplitude of random perturbation and the gain coefficient in the SPGD algorithm. The experiment conducted in this study shows that the AOS has a parameter preference area, which is related to the initial distortion magnitude. Furthermore, the results of the theoretical verification and the comparison with that by the simulated annealing algorithm reveal that the convergence accuracy of the SPGD algorithm is 6.32% higher than that of the SA algorithm and the SPGD algorithm has a larger convergence speed.

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/LOP56.122201

所属栏目:光学设计与制造

收稿日期:2018-11-29

修改稿日期:2019-01-09

网络出版日期:2019-06-13

作者单位    点击查看

胡栋挺:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
申文:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
马文超:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
刘新宇:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
苏宙平:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
朱华新:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
张秀梅:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
阙立志:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
朱卓伟:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
张逸新:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
陈国庆:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122
胡立发:江南大学理学院, 江苏 无锡 214122江苏省轻工光电工程技术研究中心, 江苏 无锡 214122

联系人作者:胡立发(hulifa@jiangnan.edu.cn)

引用该论文

Dongting Hu, Wen Shen, Wenchao Ma, Xinyu Liu, Zhouping Su, Huaxin Zhu, Xiumei Zhang, Lizhi Que, Zhuowei Zhu, Yixin Zhang, Guoqing Chen, Lifa Hu. Fast Convergence Stochastic Parallel Gradient Descent Algorithm[J]. Laser & Optoelectronics Progress, 2019, 56(12): 122201

胡栋挺, 申文, 马文超, 刘新宇, 苏宙平, 朱华新, 张秀梅, 阙立志, 朱卓伟, 张逸新, 陈国庆, 胡立发. 一种快速收敛的随机并行梯度下降算法[J]. 激光与光电子学进展, 2019, 56(12): 122201

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF