近代光信息处理第8章.pptVIP

第八章 光 学 神 经 网 络 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 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． 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． 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． 8.2.2 神经 人类的脑由大约1011个神经元构成．神经元由三个部分组成： (1) 细胞体：包含神经细胞核及生物化学机构，它可以合成细胞核的生存所必需的酶及其他分子． (2) 树突：像灌木丛一般形成许多分叉，围绕着细胞体，神经细胞正是通过它们形成的表面接受输入信号． (3) 轴突：是细胞体的延伸部分，它提供了信号从该细胞体传递到其他细胞的通道． 神经内外包含着差别很大的液体．外部液体所含的钠约为内部液体的10 倍，内部液体所含的钾约为外部的10 倍． 由于在细胞的一侧与另一侧钠离子和钾离子的浓度不同，轴突中心区域内部与外部约有- 70 mV的电位差。 当阳离子穿过细胞膜上的通道进入细胞时，内部的电位将逐渐由负变为正，当电位差变为40 mV时，另一组通道开启，释放阳离子，使电位差恢复成- 70 mV 。这一电压脉冲称为作用电压或电神经信号．该电脉冲信号沿着轴突，一直传播到轴突与其他神经元的树突的结合处． 位于轴突的端点和另一神经元之间的结合部是一个突触，在这里轴突膨大而形成终端球状结构，其中包含突触囊．当电神经信号到达终端球状体时，一些突触囊释放它们的成分——因此又称为化学“发射器”或传递器——它们被另一神经细胞的树突所接收． 信息就这样通过化学传递器一程接一程地在神经元间传输．接收到信号的神经元，其树突的化学传递器起了开启和关闭细胞膜上的通道的作用，以改变细胞中的离子浓度。某些突触处于兴奋态时，它们总是要引发神经脉冲；而另一些突触处于抑制态时，它们能够压制或消灭一些信号，使之不可能再激励神经使之发射神经脉冲． 8.2.3 数学模型 神经的行为可以概括如下： (1)一个神经元发射一个电脉冲(输出信号)．脉冲的形状永远相同，因而它的输出可用一个二元状态来表述：1 表示发射，0 表示不动作． (2)该电脉冲作为输入信号被另一个神经元所接收．树突作为化学传递器，接收电脉冲所荷载的信号．传递器的数目是事先确定的，传递器可以促进或抑制信号的传递．突触或输入的权重正比于传递器的数目，由整数表示．突触为正或负，分别表示兴奋或抑制．如果采取归一化的表示，则突触为实数． (3)神经的发射作用，乃是突触被成百上千个神经作用所激活的的综合效果，是一个非线性过程． 综上所述，神经的机理可以用数学公式表为 zj = f {∑i ?ji xi + ?j} 其中 zj 是第 j 个神经元的输出，?ji 是第 i 个神经元的输入和第 j 个神经元间的互连权重， xi 是来自第 i 个神经元的输入， ?j 是第 j 个神经元的偏置，而f 则表示某个非线性的传递函数．注意 zj 和xi 都是二元的