光学神经网络课件.pptVIP

*光學資訊處理*非相干投影方法Lin等早在1989年就指出了相關處理的途徑，他們使用了非相干投影方法(見下圖).投影相關示圖f(x)上每一像元都向各個方向輻射一個非相干光波，該光波透過函數g(x)掩範本上所有的像元，同一方向的光束將會聚在透鏡後焦面上的同一點．焦面的光強分佈則提供了f(x)和g(x)的相關。光学信息处理*光學資訊處理*光學神經網路*光學資訊處理*8.1引言隨著80年代初對於神經網路的興趣的復蘇，Psaltis和Farhat於1985年發表了第一篇用光學方法實現神經網路的論文．與光學有關的神經網路稱光學神經網路．然而，事實上應當正確地稱之為光電混合神經網路，簡稱混合神經網路(hybridneuralnetwork)．因為神經網路一般都有一個非線性函數，這是神經網路的重要特徵，而用光學方法很難計算這一非線性函數．因此，通常的做法是用電子學方法來實現它．本章將研究用光學系統實現矩陣-向量或張量-矩陣的乘法．*光學資訊處理*神經網路是模擬人腦的結構和功能的資訊處理系統．從實際的觀點來看，我們並不打算製造一個人工腦，而是設法構造一個資訊處理系統去模擬人腦的某些行為．這一系統應當和vonNeu—mann型電腦的結構和演算法有實質上的區別．光學神經網路可以看作光學資訊處理和光計算系統的延伸和擴展，這也是我們將它納入本書的原因．我們的典型方法是利用已很成熟的神經網路的理論模型，並考慮如何用光學的方案部分地實現它，這一方案在某些方面將比電子學方案更具優越性．8.2一般基礎8.2.1研究神經網路的原動力1943年，當時McCulloch和Pitts建立了一個神經活動的理論模型．在80年代，下麵兩個因素推動了對神經網路的研究工作：(1)在諸如識別一個物體這一類課題上，電腦要末失敗，要末比人腦甚至動物的腦慢得太多．(2)電腦需要一組精確而複雜的指令來完成某一特定的計算或課題，一個“聰明的”電腦應當具備這樣的功能：一旦某一任務被用戶確定後，它能夠自動去學習、掌握正確完成該項任務的方法．“智慧型”電腦的兩個基本要求：識別能力、學習能力．*光學資訊處理*8.2.2神經人類的腦由大約1011個神經元構成．神經元由三個部分組成：(1)細胞體：包含神經細胞核及生物化學機構，它可以合成細胞核的生存所必需的酶及其他分子．(2)樹突：像灌木叢一般形成許多分叉，圍繞著細胞體，神經細胞正是通過它們形成的表面接受輸入信號．(3)軸突：是細胞體的延伸部分，它提供了信號從該細胞體傳遞到其他細胞的通道．神經內外包含著差別很大的液體．外部液體所含的鈉約為內部液體的10倍，內部液體所含的鉀約為外部的10倍．由於在細胞的一側與另一側鈉離子和鉀離子的濃度不同，軸突中心區域內部與外部約有-70mV的電位差。當陽離子穿過細胞膜上的通道進入細胞時，內部的電位將逐漸由負變為正，當電位差變為40mV時，另一組通道開啟，釋放陽離子，使電位差恢復成-70mV。這一電壓脈衝稱為作用電壓或電神經信號．該電脈衝信號沿著軸突，一直傳播到軸突與其他神經元的樹突的結合處．*光學資訊處理*位於軸突的端點和另一神經元之間的結合部是一個突觸，在這裏軸突膨大而形成終端球狀結構，其中包含突觸囊．當電神經信號到達終端球狀體時，一些突觸囊釋放它們的成分——因此又稱為化學“發射器”或傳遞器——它們被另一神經細胞的樹突所接收．資訊就這樣通過化學傳遞器一程接一程地在神經元間傳輸．接收到信號的神經元，其樹突的化學傳遞器起了開啟和關閉細胞膜上的通道的作用，以改變細胞中的離子濃度。某些突觸處於興奮態時，它們總是要引發神經脈衝；而另一些突觸處於抑制態時，它們能夠壓制或消滅一些信號，使之不可能再激勵神經使之發射神經脈衝．*光學資訊處理*8.2.3數學模型神經的行為可以概括如下：(1)一個神經元發射一個電脈衝(輸出信號)．脈衝的形狀永遠相同，因而它的輸出可用一個二元狀態來表述：1表示發射，0表示不動作．(2)該電脈衝作為輸入信號被另一個神經元所接收．樹突作為化學傳遞器，接收電脈衝所荷載的信號．傳遞器的數目是事先確定的，傳遞器可以促進或抑制信號的傳遞．突觸或輸入的權重正比於傳遞器的數目，由整數表示．突觸為正或負，分別表示興奮或抑制．如果採取歸一化的表示，則突觸為實數．(3)神經的發射作用，乃是突觸被成百上千個神經