近代光信息处理第8课时.pptVIP

第八章 光 学 神 经 网 络 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 第八章 光学神经网络 8．1 引言 8．2 一般基础 8．3 光学互连 8．4 结论 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 8.1 引 言 随着80年代初对于神经网络的兴趣的复苏，Psaltis和Farhat于1985年发表了第一篇用光学方法实现神经网络的论文．与光学有关的神经网络称光学神经网络．然而，事实上应当正确地称之为光电混合神经网络，简称混合神经网络(hybrid neural network)．因为神经网络一般都有一个非线性函数，这是神经网络的重要特征，而用光学方法很难计算这一非线性函数．因此，通常的做法是用电子学方法来实现它． 本章将研究用光学系统实现矩阵-向量或张量-矩阵的乘法． Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 神经网络是模拟人脑的结构和功能的信息处理系统．从实际的观点来看，我们并不打算制造一个人工脑，而是设法构造一个信息处理系统去模拟人脑的某些行为．这一系统应当和von Neu—mann型计算机的结构和算法有实质上的区别．光学神经网络可以看作光学信息处理和光计算系统的延伸和扩展，这也是我们将它纳入本书的原因．我们的典型方法是利用已很成熟的神经网络的理论模型，并考虑如何用光学的方案部分地实现它，这一方案在某些方面将比电子学方案更具优越性． Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 8.2 一般基础 8.2.1 研究神经网络的原动力 1943年，当时McCulloch和Pitts建立了一个神经活动的理论模型．在80年代，下面两个因素推动了对神经网络的研究工作： (1)在诸如识别一个物体这一类课题上，计算机要末失败，要末比人脑甚至动物的脑慢得太多． (2)计算机需要一组精确而复杂的指令来完成某一特定的计算或课题，一个“聪明的”计算机应当具备这样的功能：一旦某一任务被用户确定后，它能够自动去学习、掌握正确完成该项任务的方法． “智能型”计算机的两个基本要求： 识别能力、学习能力． Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspos