基于光脉冲神经网络的全光逻辑研究.pdf

目录

摘要I

ABSTRACTII

第一章绪论1

1.1光子神经网络研究背景及意义1

1.2研究现状2

1.3论文的主要工作及安排6

第二章SOA光子脉冲LIF神经元特性9

2.1生物LIF神经元工作原理9

2.2SOA光子脉冲LIF神经元载流子动态分析11

2.3光子脉冲LIF神经元的传输特性分析14

2.3.1脉冲在SOA中的传播速率分析14

2.3.2光脉冲在SOA中的放大特性分析16

2.4LIF神经元的影响因素19

2.4.1SOA注入电流对响应特性的影响19

2.4.2SOA时间积分响应特性19

2.4.3SOA阈值判决响应特性19

2.4小结20

第三章基于SOA的光子脉冲LIF神经元设计21

3.1LIF神经元光学模型21

3.2LIF神经元光学模型模块及原理介绍22

3.2.1LIF模型增益延迟模块23

3.2.2LIF模型泄露积分模块23

3.2.3LIF模型阈值判决模块25

3.3LIF神经元光学模型参数调节及优化30

3.4小结33

SOALIF

第四章基于的脉冲神经网络35

SOALIF

4.1基于的脉冲神经元的“异或”逻辑实现与分析35

4.1.1“异或”逻辑设计原理35

4.1.2“异或”逻辑仿真及结果分析36

4.1.3“异或”参数调整和优化37

4.2具有兴奋性和抑制性神经元的实现与分析39

4.2.1具有兴奋性和抑制性神经元结构设计40

4.2.2具有兴奋性和抑制性神经元仿真结果分析40

4.2.3具有兴奋性和抑制性神经元参数调整和优化41

4.3小结43

第五章总结与展望45

参考文献47

在学期间取得的科研成果53

致谢55

摘要

运用神经网络的优势，搭建合理的平台实现数据的高速处理是一种较好的解

决办法。脉冲神经网络作为第三代神经网络，可在计算速度和性能上得到良好改

善。光子神经网络与电子神经网络相比具有速度快、能耗低、传输容量大和抗电

磁干扰能力强等优点，是未来实现高速处理大量数据的理想选择。本学位论文基

于半导体光放大器的非线性效应，研究了光子脉冲神经网络的基本组成单元-光

子脉冲积分泄露(leaky-integrate-and-fire,LIF)神经元，并对该种神经元进行网络

组合，实现了基本逻辑运算，对其中的“异或”逻辑进行详细展开研究并对其仿

真结果进行分析和改进；实现了神经系统中可以处理兴奋性和抑制性信号的神经

元研究。具体内容包括：

1LIF

()研究分析了生物神经元的工作原理，并对本文所提出的基于半导体

光放大器(SemiconductorOpticalAmplifiers,SOA)的光子脉冲LIF神经元工作原

理进行分析。由于光子脉冲LIF神经元通过载流子浓度来体现放大功率，通过放

大功率体现神经元受刺激后的参数变化，所以重点分析了SOA的载流子动态方

程。分析了光子脉冲LIF神经元的光子传输特性，从光子脉冲在SOA中的传输

速率和放大特性两方面分析，为之后的系统研究和优化奠定了基础。

2SOA

()进行基于光子脉冲神经元的建模，把模型分三个部分分别进行分析：

增益延迟模块、积分泄露模块、阈值判决模块；重点分析了积分泄露模块和阈值

判决模块。详细介绍了模块中所应用到的SOA非线性效应，并对非线性效应进

行公式推理，在此基础上进行相应原理的仿真分析。

(3)对光子脉冲LIF神经元进行实际应用，该神经元模型可实现基本的逻辑

功能，在基本逻辑功能基础上组合实现了全光“异或”逻辑网络，对“异或”逻

LIF

辑网络进行仿真分析，最后对仿