光学神经元及学习机制研究
发布时间：2020-05-28 19:10
【摘要】：随着大数据时代的来临,计算机处理的数据愈加庞大,需要解决的问题种类也更加的丰富。但基于冯·诺依曼结构的传统电子计算机受限于存储与计算器之间的通道,同时其计算能力的提升存在瓶颈,面对模式识别、自动控制、学习等任务时显得束手无策。神经拟态计算是模拟人脑工作方式的一种计算方法,使用非冯·诺依曼结构来实现神经计算,具有与人脑相同的优点,包括并行性、冗余性等,对解决上述问题具有天然的优势。光学方法具有高带宽、高度并行、低能耗等优点,是实现神经拟态计算的理想方式。光学神经拟态计算实现的关键在于单个光学神经元、光学神经网络学习机制以及大规模光学神经元网络架构的研究。近十年来,光学神经拟态计算逐渐成为了研究热点,但其研究仍处于起步阶段。本论文在国家自然基金的支持下开展光学神经元及学习机制的研究,深入研究了多种不同的光学神经元模型,包括基于分立光学器件的连续光电sigmoid人工神经元、光学LIF(leaky-integrate-fire)神经元,基于集成光学结构的积分器脉冲神经元和振荡器脉冲神经元,同时研究了光学脉冲神经元的学习机制,研究成果对光学神经拟态计算的发展具有重要意义。本论文主要创新研究成果如下。1.基于半导体光放大器(semiconductor optical amplifier,SOA)的非线性偏振旋转效应(nonlinear polarization rotation,NPR),提出了一种连续光电 sigmoid神经元模型,使用光注入和电注入分别模拟神经元的兴奋性输入和抑制性输入,可以实现sigmoid传递函数。实验研究了 SOA偏置电流、探测光功率和初始偏振态对光电sigmoid神经元传递函数的影响。2.基于SOA的NPR效应,提出了一种光学LIF神经元模型。通过设置探测光的初始偏振态,可以分别模拟兴奋性和抑制性LIF神经元。同时基于SOA的交叉增益调制效应提出了一种脉冲时间依赖可塑性(spike-timing-dependent plasticity,STDP)学习光路,可以实现多种STDP学习机制。实验研究了 SOA偏置电流、光功率、脉冲宽度对学习窗口以及窗口高度的影响。3.基于垂直腔面发射激光器-饱和吸收体(VCSEL-SA)级联结构的Q开关效应,提出了一种使用相干光和非相干光作为兴奋性输入的VCSEL-SA光学脉冲神经元方案。研究了 VCSEL-SA光学脉冲神经元在不同有源区驱动电流、SA区驱动电流等参数条件下的分岔规律,以及兴奋性工作条件。理论研究了 VCSEL-SA光学脉冲神经元在非相干光输入和相干光输入条件下,单脉冲和双脉冲注入时的脉冲响应特性,包括阈值、响应时间、响应脉冲特性、不应期等。4.通过在微环谐振腔上覆盖相变材料VO2,提出了一种微环脉冲神经元的阈值可塑性方案。研究了微环脉冲神经元的分岔规律,并建立了 VO2材料的PI迟滞模型。结合微环谐振腔的耦合模理论,研究了初始工作温度、VO2覆盖长度、输入光幅度等因素对微环脉冲神经元阈值的影响。
【图文】：
绪论邋也称为“全或无”（Ａｌｌ－ｏｒ－Ｎｏｎｅ）特性。逡逑（６）不应期，指生物神经元在电刺激作用下产生动作电位输出后的一段在此期间，，电刺激无法使得生物神经元再次产生动作电位输出。逡逑（７）突触可塑性。两个神经元之间的突触连接强度可以增强、减弱和（８）输出延时发放。足够强的电刺激输入到生物神经元后需要经历一才能使得其产生动作电位输出。逡逑ｄｅｎｄｒｉｔｅ逡逑
建立在脉冲神经元的基础上［２４］，被称为脉冲神经网络。脉冲神经元模型更加接近逡逑生物神经元结构，可以更准确的描述实际生物神经系统。逡逑典型的人工神经元基本结构如图１２３所示，可以使用数学语言来描述［２９］，主逡逑要包含四个部分：权值、延时、累加器和传递函数。人工神经元＿／的；ｔ个输入Ｘ丨，Ｘ２，…，逡逑与权值分别对应。权值下标由两个元素组成，第一个元素代表连逡逑接的目标神经元编号，第二个元素代表连接的源神经元编号。将输入Ａ与对应权逡逑值？相乘可以实现加权处理；再经延时和累加器可以得到人工神经元的净输入Ｋ逡逑如式（１．２．１）所示。逡逑＇（’）＝＝＾．＝１邋—邋（１．２．１）逡逑净输入送入传递函数［可以得到人工神经元的输出乃．，如式（１．２．２）所示。逡逑ｙＪ（ｔ）邋＝邋Ｆ［ｖＪ0）］逦（１．２．２）逡逑将人工神经元与生物神经元相对照，则人工yL经元的输入对应于来自其它生逡逑物神经元的电刺激；权值对应于突触连接强度；延时对应于树突长度；累加器和逡逑传递函数对应于细胞体；净输入对应于膜电位；输出对应于生物神经元的输出动逡逑作电位。逡逑ｉｎｐｕｔｓ邋ｗｅｉｇｈｔｓ邋ｄｅｌａｙｓ逡逑ｒ逦ｉ逦ｎ邋二二邋＾邋ｉ逡逑Ｉ逦１逦！逦Ｊ逦Ｌａ，逦Ｊ＿逡逑ｉ逦
【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP338
【图文】：
绪论邋也称为“全或无”（Ａｌｌ－ｏｒ－Ｎｏｎｅ）特性。逡逑（６）不应期，指生物神经元在电刺激作用下产生动作电位输出后的一段在此期间，，电刺激无法使得生物神经元再次产生动作电位输出。逡逑（７）突触可塑性。两个神经元之间的突触连接强度可以增强、减弱和（８）输出延时发放。足够强的电刺激输入到生物神经元后需要经历一才能使得其产生动作电位输出。逡逑ｄｅｎｄｒｉｔｅ逡逑
建立在脉冲神经元的基础上［２４］，被称为脉冲神经网络。脉冲神经元模型更加接近逡逑生物神经元结构，可以更准确的描述实际生物神经系统。逡逑典型的人工神经元基本结构如图１２３所示，可以使用数学语言来描述［２９］，主逡逑要包含四个部分：权值、延时、累加器和传递函数。人工神经元＿／的；ｔ个输入Ｘ丨，Ｘ２，…，逡逑与权值分别对应。权值下标由两个元素组成，第一个元素代表连逡逑接的目标神经元编号，第二个元素代表连接的源神经元编号。将输入Ａ与对应权逡逑值？相乘可以实现加权处理；再经延时和累加器可以得到人工神经元的净输入Ｋ逡逑如式（１．２．１）所示。逡逑＇（’）＝＝＾．＝１邋—邋（１．２．１）逡逑净输入送入传递函数［可以得到人工神经元的输出乃．，如式（１．２．２）所示。逡逑ｙＪ（ｔ）邋＝邋Ｆ［ｖＪ0）］逦（１．２．２）逡逑将人工神经元与生物神经元相对照，则人工yL经元的输入对应于来自其它生逡逑物神经元的电刺激；权值对应于突触连接强度；延时对应于树突长度；累加器和逡逑传递函数对应于细胞体；净输入对应于膜电位；输出对应于生物神经元的输出动逡逑作电位。逡逑ｉｎｐｕｔｓ邋ｗｅｉｇｈｔｓ邋ｄｅｌａｙｓ逡逑ｒ逦ｉ逦ｎ邋二二邋＾邋ｉ逡逑Ｉ逦１逦！逦Ｊ逦Ｌａ，逦Ｊ＿逡逑ｉ逦
【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP338
【参考文献】
相关期刊论文 前5条
1 刘明;张明江;王安帮;王龙生;吉勇宁;马U
本文编号：2685693
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2685693.html
