申请/专利权人：中南民族大学

申请日：2024-01-19

公开（公告）日：2024-04-12

公开（公告）号：CN117875376A

主分类号：G06N3/048

分类号：G06N3/048;G06N3/067

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种光学神经网络的可变增益电光非线性激活函数的实现方法，光学神经网络模型包括N个全连接神经网络层和一个Dropout层，每个全连接神经网络层包括64×64的MZI阵列和一个可变增益电光非线性激活函数，可变增益电光非线性激活函数包括定向耦合器、电光调制部分、以及MZI；本发明的可变增益电光非线性激活函数能利用查找表改变可变增益放大器的增益控制字和调节偏置电压，从而实现对光信号的相位调制，具有增益控制字和偏置电压两个自由度，在人工搭建光学神经网络时，可以根据不同的机器学习任务灵活地选择非线性激活函数；还可以来调节非线性激活函数的阈值，对低功率的输入光信号也进行非线性调制。

主权项：1.光学神经网络的可变增益电光非线性激活函数的实现方法，其特征在于，包括以下步骤：步骤1、获取数据集，对数据集进行预处理得到输入到光学神经网络模型的样本，再将样本划分为训练集和测试集；步骤2、搭建光学神经网络模型，光学神经网络模型包括N个全连接神经网络层和一个Dropout层，每个全连接神经网络层包括64×64的MZI阵列和可变增益电光非线性激活函数，可变增益电光非线性激活函数包括定向耦合器、电光调制部分、以及MZI；步骤3、将步骤1中训练集输入到步骤2中搭建好的光学神经网络模型中对光学神经网络模型进行训练，使得光学神经网络模型的损失函数最小；步骤4、通过步骤1中测试集对训练后的光学神经网络模型进行测试，得到训练后的光学神经网络模型对测试集的分类精度。

全文数据：

权利要求：

百度查询： 中南民族大学 光学神经网络的可变增益电光非线性激活函数的实现方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD