-
公开(公告)号：CN113592084A
公开(公告)日：2021-11-02
申请号：CN202110837609.4
申请日：2021-07-23
申请人： 东南大学
摘要： 本发明公开了基于反向优化超结构卷积核的片上光子神经网络，包括N个隐藏层和一个全连接层，所述隐藏层包括依次连接的激光器阵列、电光调制器、超结构卷积核、光电探测器和池化层，所述超结构卷积核包括超结构波分复用器、以及M个级联的超结构光散射单元和移相器，其中，超结构波分复用器用于将光信号被分为m路不同波长范围输出，超结构光散射单元将m路不同波长范围的光信号按比例重新分配功率后从不同的输出端口分别输出，实现卷积运算中不同权重的分配。本发明的片上光子神经网络，具备高带宽、低损耗等优势，且超结构的光子器件经反向设计具有良好性能，可便捷改变器件的目标性能，减少芯片制作时的内部器件需求。
-
公开(公告)号：CN113592069B
公开(公告)日：2024-09-17
申请号：CN202110818425.3
申请日：2021-07-20
申请人： 东南大学
摘要： 本发明公开了一种四输入逻辑运算的光子神经网络，包括依次连接的电光调制单元、预处理单元、N层光子神经网络单元和第一光电转换单元；所述电光调制单元用于将输入的电信号转换为四维光信号并输出到预处理单元，所述预处理单元用于在四维光信号的基础上添加第五维信号，将四维光信号变为五维光信号，五维光信号向量的L2范数为定值，五维光信号再经过N层光子神经网络单元运算后输出特征结果到第一光电转换单元转化为电信号，得到最终的输出。本发明的电光混合的片上神经网络，具备高带宽、低损耗等优势。
-
公开(公告)号：CN113592084B
公开(公告)日：2022-11-11
申请号：CN202110837609.4
申请日：2021-07-23
申请人： 东南大学
摘要： 本发明公开了基于反向优化超结构卷积核的片上光子神经网络，包括N个隐藏层和一个全连接层，所述隐藏层包括依次连接的激光器阵列、电光调制器、超结构卷积核、光电探测器和池化层，所述超结构卷积核包括超结构波分复用器、以及M个级联的超结构光散射单元和移相器，其中，超结构波分复用器用于将光信号被分为m路不同波长范围输出，超结构光散射单元将m路不同波长范围的光信号按比例重新分配功率后从不同的输出端口分别输出，实现卷积运算中不同权重的分配。本发明的片上光子神经网络，具备高带宽、低损耗等优势，且超结构的光子器件经反向设计具有良好性能，可便捷改变器件的目标性能，减少芯片制作时的内部器件需求。
-
公开(公告)号：CN114707629A
公开(公告)日：2022-07-05
申请号：CN202210042090.5
申请日：2022-01-14
申请人： 东南大学
摘要： 本申请公开了基于光散射的矩阵计算方法及光学神经网络，基于光散射的矩阵计算方法，步骤1，将矩阵W分解为酉矩阵和对角矩阵；步骤2，基于光散射构建矩阵计算单元；步骤3，对输入特征向量进行电光转换，得到N路光信号；步骤4，将N路光信号输入到矩阵计算单元中，实现输入特征向量与矩阵W的乘法运算；光信号通过本申请矩阵计算单元后，可以光速执行任意向量矩阵乘法，并几乎没有光学损耗。基于上述矩阵计算单元的全光光学神经网络可以有效减少实现神经网络运算的光学器件数量，可以为人工神经网络的实现提供一种尺寸更小、能耗更低、带宽更大、鲁棒性更好、运算速度更快的实现方案。
-
公开(公告)号：CN114861734A
公开(公告)日：2022-08-05
申请号：CN202210589380.1
申请日：2022-05-26
申请人： 东南大学
摘要： 本发明公开了一种基于光散射的矩阵运算立体结构单元，包括依次连接的电光调制单元、光学矩阵计算单元和光电检测器；所述电光调制单元用于将输入的电信号转换为各自不同频率的N维光信号并输出到该立体结构单元，该立体结构将计算该矩阵与列向量的叉乘结果并输出到光电检测器转化为电信号，得到最终的输出。本发明的电光混合的矩阵乘法，具备高带宽、低损耗、所需空间小等优势。
-
公开(公告)号：CN114861734B
公开(公告)日：2024-04-16
申请号：CN202210589380.1
申请日：2022-05-26
申请人： 东南大学
IPC分类号： G06F18/213 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于光散射的矩阵运算立体结构单元，包括依次连接的电光调制单元、光学矩阵计算单元和光电检测器；所述电光调制单元用于将输入的电信号转换为各自不同频率的N维光信号并输出到该立体结构单元，该立体结构将计算该矩阵与列向量的叉乘结果并输出到光电检测器转化为电信号，得到最终的输出。本发明的电光混合的矩阵乘法，具备高带宽、低损耗、所需空间小等优势。
-
公开(公告)号：CN114723028A
公开(公告)日：2022-07-08
申请号：CN202210455884.4
申请日：2022-04-27
申请人： 东南大学
摘要： 本发明公开了一种基于稀疏压缩存储的神经网络硬件加速器，包括先进先出模块、输入激活buffer模块、权重buffer模块、控制模块、选择模块、处理单元模块、累加模块、输出Buffer模块和后处理模块；先进先出模块将输入激活数据和权重数据按稀疏压缩格式分别存入激活buffer和权重buffer模块，选择模块用于通过控制模块读取激活buffer和权重buffer模块中的数据，并选择出输入激活数据和权重数据中同时非零的非零对儿真值数据；将非零对儿真值数据输入处理单元模块进行乘加操作，运算结果通过累加模块反复累加，累加结果读出到输出buffer模块，得到最终结果，再输入到后处理模块进行后处理操作。
-
公开(公告)号：CN113592069A
公开(公告)日：2021-11-02
申请号：CN202110818425.3
申请日：2021-07-20
申请人： 东南大学
摘要： 本发明公开了一种四输入逻辑运算的光子神经网络，包括依次连接的电光调制单元、预处理单元、N层光子神经网络单元和第一光电转换单元；所述电光调制单元用于将输入的电信号转换为四维光信号并输出到预处理单元，所述预处理单元用于在四维光信号的基础上添加第五维信号，将四维光信号变为五维光信号，五维光信号向量的L2范数为定值，五维光信号再经过N层光子神经网络单元运算后输出特征结果到第一光电转换单元转化为电信号，得到最终的输出。本发明的电光混合的片上神经网络，具备高带宽、低损耗等优势。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.021 秒)
