Training an artificial neural network with backpropagation algorithms to perform advanced machine learning tasks requires an extensive computational process. This paper proposes to implement the backpropagation algorithm optically for

基于自适应加权快速傅里叶变换的迭代算法提出用于远场平顶光束整形。 该算法继承Gerchberg-Saxton算法的投影优化思想，但是自适应快速傅里叶逆变换的远场幅度通过使用一种新颖的优化的自适应权重策略。 一，应用该方法对方形平顶强度分布光束整形的效果是作为示例进行讨论。 通过模拟的纯相分布此方法的100次迭代会集中93.89％的入射激光能量进入所需区域和均方根误差（RMSE） 量身定制的平顶强度分布的平均值是0.0094。 少于20次迭代该方法的集中度超过了90％的入射激光能量进入所需区域和量身定制的平顶强度分布图的RMSE 小于0.05。 然后，该方法在设计中的适用性形状或直径可变的平顶的相位分布光束整形得到了证明。