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。     

基于动态神经网络的质子交换膜燃料电池建模方法

针对现有质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell,PEMFC)模型逼近能力不足、自适应性差的问题,提出一种基于动态神经网络的PEMFC建模方法.该方法引入神经网络输出敏感度作为隐含层结构合理性判别依据,根据敏感度分析结果选择采用相应的神经元修改算法调整隐含层结构,使隐含层神经元数目根据燃料电池数据处理需求动态变化,实现模型结构与参数的双重优化.以某型双系统燃料电池测试平台实际运行数据为例进行验证,结果表明构建的PEMFC动态神经网络模型比传统模型的网络规模小、拟合精度高、收敛速度快,适用于工程化仿真应用.     

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。     

一种量子衍生神经网络模型算法及应用

为提高神经网络的逼近和预测能力，提出一种各维输入为离散序列的量子衍生神经网络模型及算法。该模型为三层结构，隐层为量子衍生神经元，输出层为普通神经元。量子衍生神经元由量子旋转门和多位受控旋转门组成，利用多位受控旋转门中目标量子位的输出向输入端的反馈，实现对输入序列的整体记忆，利用受控旋转门输出中多位量子比特的纠缠获得量子衍生神经元的输出。基于量子计算理论设计了该模型的学习算法。该模型可从宽度和深度两方面获取输入序列的特征。仿真结果表明，当输入节点数和序列长度满足一定关系时，该模型明显优于普通神经网络。     

无源雷达目标识别的神经网络模型构建

针对当前无源雷达目标识别存在的识别率低和容错性不足等问题,构建了一个基于BP神经网络的目标识别模型。围绕无源雷达目标识别效率提升和智能解决方案的构设问题,梳理总结了神经元原理、常用神经网络结构、激活函数和学习算法,设计了无源雷达目标识别总体流程,具体构建了神经网络目标识别模型,包括网络结构、隐含层节点数确定等,并给出了样本训练、测试和目标识别的工作流程,为无源雷达目标识别提供了方法途径。最后,给出了一个仿真实例,验证了模型的有效性。     

非对称型多级混洗网络拓扑结构与路由研究

为了避免完全无阻塞型crossbar网络拓扑结构复杂、硬件成本高的缺点,以及可重排无阻塞型多级光互连网络链路函数不一致引起的光学实现困难等问题,提出和设计具有相同链路结构的多级光互连网络,对其拓扑结构进行详细的分析与比较,将其路由算法进行优化,并用于8×8omega+omega网络的路由判断和节点状态的确定。结果表明,该多级混洗光互连网络具有结构简单、操作性强、控制灵活、路由算法时间短、路径选择简并度高和易扩容升级等特点,能够实现输入信号的完全无阻塞输出与排序。     

含二次Sigmoidal神经元的前向网络的分类能力

本文分析了一种的神经元模型－－二次Ｓｉｇｍｏｉｄａｌ神经元对前向神经网络的分类能力的改进程度，结果表明：在隐层及输出层无论采用多阈值还是单阈值二次Ｓｉｇｍｏｉｄａｌ神经元，三层前向网络分类经Ｃｏｍｍｉｔｔｅｄ Ｍａｃｈｉｎｅ只能提高３倍。     

前馈型神经网络中隐藏层神经元的研究

本文采用前馈型神经网络及BP算法对3种飞机模型的复合畸变不变性识别进行了研究。结合以前用级联神经网络及聚类编码方法对同一问题的研究结果,对神经网络的隐藏层神经元的个数及其对识别率及权重训练的影响进行了研究,提出了减少隐藏层神经元的一种方法,以简化识别网络的结构。     

量子衍生神经网络的设计与实现

当使用神经网络解决问题时, 得到的结果与神经网络的逼近能力有很大关系。如何提高神经网络的逼近能力目前还没有较为理想的解决方法。本文提出了一种利用多位量子受控非门来构造神经网络模型的新方法。该模型为三层结构,隐层为量子神经元,输出层为普通神经元。量子神经元由量子旋转门和多位受控非门组成,利用多位受控非门中目标量子位的输出向输入端的反馈,实现对输入序列的整体记忆,利用多位受控非门的受控关系获得量子神经元的输出。基于量子计算原理设计了该模型的L M学习算法。该模型可从宽度和深度两方面获取输入序列的特征。纸牌预测的实验结果表明,当输入节点数和序列长度比较接近时,该模型对训练集的识别率比普通神经网络有大约8%的提高,从而揭示了量子计算机制对提高网络逼近能力的有效性。      

具有非线性映射特性的量子神经元

介绍了与量子神经网络相关的量子计算基础，描述了一种量子神经元模型，分析了该模型的量子运算特性。分析和实验证明单个量子神经元能实现经典神经元无法实现的XOR函数，并具有与两层前向神经网络相当的非线性映射能力。     

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。     

二维全混洗变换的理论分析

基于全混洗变换在光信息处理和全光排序中的应用,讨论了全混洗变换的数学定义和变换规则;重点研究了二维全混洗变换的特点,对2D-fold shuffle变换和2D-separable shuffle变换进行了详细的讨论,得到其相互间转换的操作规则;在此基础上分析了一维混洗变换与二维混洗变换的关系,提出了从一维到二维的映射规则和实现步骤,理论分析表明二维全混洗变换可以有效地利用空间自由度,提高信息处理的容量,带宽和器件的集成度.     

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．     

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。     

光分组交换网中的一种新模型

目前常用的网络理论模型如曼哈顿网络、洗牌网等均不能适应光分组网络研究的需要.文章提出了一种新的光网络模型———自相似环流网状网.该模型特别适合于光分组网络的研究.文章还研究了该模型的许多特性.     

Optically interconnected switching networks

Work on hybrid multistage switching networks is presented. A simple mapping rule is used to form a network using two-dimensional perfect shuffle interconnections, and other 2-D patterns are developed from other mappings. The general conditions for a 1-D net to be mappable into two dimensions are established, and it is pointed out that in practice all multistage interconnection networks (MINs) are mappable-a suitable mapping transformation is what is required. It is shown how to use the mapping process to produce hybrid MINs with a variable electronic island size. It is concluded that the design flexibility exists to take multistage processors and transform them into formats which are highly suitable for the employment of optical interconnects     

光学全息方法实现光学全混洗

本文利用全息方法实现了光学全混洗(Perfect Shuffle)。     

复数神经网络及负2基光学实现

提出了集成突触连接中和侧作用的复数，改变输入信号中的路径码可自动选择不同的互连方式，并提出了实现复数多值矩矢量乘法的高精度且远进位和符号位的负２进制内积算法，光学实现采用了空间编码的非相干光学相关器，充分发挥发光学并行处理特性。给出了侧抑制Ｈｏｐｆｉｅｌｄ模型的数值模拟和实验演示。     

A selective-broadcast passive star coupler for self-routing densewavelength division multiplexed optical networks

The authors describe a technique for design and implementation of a selective-broadcast passive optical star coupler, that uses a space-varying refractive-index slab. A network traffic routing matrix can be incorporated in the design fabric of this bandwidth-selective coupler. The matrix may resemble any desired physical cross connection for routing user traffic. As an example, the authors show how a perfect shuffle network connectivity can be built into the fabric of a passive star coupler. A wave-mixing method is proposed to configure such a coupler. With this implementation, the authors have realized the physical connectivity appropriate for any desired routing matrix in dense wavelength division multiplexed optical star network applications