例如我們在接下來的工作里(Ding et al.) 將激活學習用于異常檢測,并在real-world的數據集上取得了跟SOTA可以比擬的結果。這里激活學習的一個優勢就是它不需要任何標簽數據(異常數據),就可以學習輸入數據的概率分布。如果給定一個輸入,網絡的輸出激活強度小于某個閾值,那么說明輸入可能是一個異常。這個說明基于簡單本地規則的激活學習可以在一些場景下取得比反向傳播更好的結果。
注意:系統設置的數值孔徑只對幾何光線追跡有效,物理光學傳播分析不使用系統設置的物方數值孔徑。但是對于本文的范例結構,追跡的光線在遠離光束束腰位置時可以很好地描述高斯光束。因此,只要不在焦點附近,我們都可以使用點列圖和其他光線追跡分析工具檢查POP的計算結果。初始 POP 結果在Analyze菜單欄中找到并點擊POP的按鈕(Physical Optics)。