自由空间光互连洗牌型神经网络模型

首先介绍一种洗牌型自由空间光互连多层全互连神经网络模型。该模型的高神经元／权重比可以极大地压缩神经网络的互连权矩阵IWM（interconnectweightmatrix）。对于具有N2个神经元的单层二维全互连神经网络的IWM为N2×N2,而洗牌型全互连神经网络的IWM仅为4N2log2N。另外,洗牌型全互连神经网络整齐、简单的结构方便了网络的综合,特别是网络隐单元的综合,并且十分适合于神经网络的光学实现。然后描述了采用数字光技术实现光互连的洗牌型神经网络的系统模型、关键芯片结构以及关键技术。本文提出的模型和方法使实现与人脑神经网络规模（104量级）相当的实用化自适应光电子全互连神经网络成为可能。     

比例自变换实现神经网络光学互连

讨论了构造比例自变换函数及其成像过程，据此制成光栅透镜组合件。用它的放大泰伯自成像效应来实现一点到多点的光学互连。然后把多个光栅透镜组件制成一个列阵，用它来实现两维神经网络的光学互连，结果产生了一个平行的光学神经网络。实验达到了预期的效果，并发现这种光学互连系统结构简单、操作容易。     

多层光学神经网络

多层光学神经网络引言计算的神经网络模型包含许多简单的处理结或“神经原”，它们通过互连权进行相互通讯。（人们把这些处理结拟人化地叫做神经原，是由于生物学上还为复杂精致的神经原启发了计算互连模型的产生。）每一个神经原都有它自己的激活水平，将其它神经原的激...     

圆片规模集成电路光学互连的实现

本文评述了光互连技术在圆片规模集成电路中的应用现状。并据具体的工艺实施指出了存在的问题及将来的解决办法。     

二阶互连光学神经网络

本文提出一种用一块单极性掩模板表示双极性互连矩阵的偏振编码方法。并用二种非相干光电混合系统分别实现了二阶互连神经网络。最后给出实验结果。     

迈向21世纪的光互连和光计算机

为了适应２１世纪高度信息化社会的需要，解决目前电子系统中电互连和信息处理技术带来的局限，光互连与光计算已成为跨世纪引人注目的话题，文中介绍光互连的特点，功能．形式，以及在光计算机和光神经网络中的作用。     

利用三状态Hopfield模型优化神经网络双极二值化互连

针对光互连精度较低的弱点，提出了以正交化算法为目标函数的三值（±１，０）互连权重的神经网络优化方法。计算机模拟和光学实验结果表明该方法能显著地提高三值互连神经网络模型的性能。     

混洗网络中光开关矩阵研究

基于偏振控制技术,利用偏振光分束器和位相型空间光调制器构建1×2和2×1的节点开关单元,节点开关单元各端口间按照特定的映射规则和连接关系以光纤实现互连,从而得到一种新型的4×4光开关矩阵.该 4×4光开关矩阵利用位相型空间光调制器对信号光偏振态的控制实现路由,通过对其各输入端口光信号路由状态的分析表明,它可以完成信号光点对点的全排列无阻塞的输出与交换,同时,还具备部分的多点组播功能.该矩阵开关具有交换速度快、插入损耗小、串话低、性能稳定等特点,对于构建大规模的光互连网络具有一定的帮助.     

用比累对切透镜实现光学完全混洗

本文提出一种用比累对切透镜实现完全混洗的光学系统,该系统具有较高的光能利用率,可实现高密度、大容量的完全混洗互连网络。     

光学全交叉网络与全混洗网络之间的转换及实现

光学全交叉网络的快速控制需要在全混洗网络与光学全交叉网络间进行相互转换，本文分别给出了光学全交叉网络转换成全混洗网络及全混洗网络转换成光学全交叉网络时结点、链路、输入端口、输出端口的映射规则，并用电子学进行快速实现。     

光学榕树网络与全混洗网络之间的转换及实现

光学榕树网络的快速控制需要在全混洗网络和光学植树网络间进行快速的相互转换．分别给出了光学榕树网络转换成全混洗网络及全混洗网络转换成光学植树网络时结点、链路、输入端口、输出端口的映射规则，并用电子学进行快速实现．     

一种高效、高分辨的FPS光学互连网络

提出了一种ＦＰＳ光学互连的新装置。在这一装置中，由于使用普通透镜和光楔作为光学互连元件，故其结构简单，制备方便，价格便宜，并具有高的光能利用率和高的互连信道密度等优点，因而具有实际应用价值     

光计算中全排列无阻塞双Omega光互连网络的光学实现方法

本文分析了单个Ｏｍｅｇａ光互连网络的局限性，提出了一种全排列无阻塞双Ｏｍｅｇａ光互连网络的光学实现方法。光回路系统由Ａｒ＋３离子激光器、光束分束器、偏振组合棱镜和液晶空间光开关组成，能够实现输入信号列阵光束的并行传输和全排列无阻塞光互连。     

在7级混洗交换网络中实现16×16的可重排性

长期以来,人们猜想(2n-1)级的均匀混洗交换网络Ω对置换2^<em>n×2^<em>n是可重排的.若干论文企图从理论上给出其充分性证明,但都没有成功,包括最近的一次证明^[24],仍然是错误的,但还没有人指出.本文的目的之一是澄清这一点.当n=3时已有学者给出了证明 .本文针对n=4时的7级Ω网络,给出了实现16×16可重排性的构造性证明.论文提出了避免内部冲突的平衡树模型,置换的连接图、回路图表示和对称图形、同解变换等概念,并基于图形压缩、图形剖分等方法,将16×16置换分为五种情况,共给出五种赋值算法.这些算法比较简洁,易于编程实现.本文提出的思想对研究高阶网络的可重排性也有一定参考价值.     

用于多目标自动识别的光互连神经网络系统

本文报道了用于多目标自动识别的光互连神经网络系统。该系统不仅识别目标类别多、识别率高,而且结构小巧可离台工作。由于它在一定程度上模仿了视觉识别功能,故可广泛用于军事预警、目标跟踪、交通管理、产品分类、工业在线检测以及机器视觉等。