一种基于光学多神经元激活函数模块的光电计算机

    公开(公告)号:CN116957031B

    公开(公告)日:2024-05-24

    申请号:CN202310909546.8

    申请日:2023-07-24

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于光学多神经元激活函数模块的光电计算机,属于计算机领域。本发明的光电计算机由n个神经网络串联构成,每一神经网络分为光源模块、全光矩阵运算模块、光学多神经元激活函数模块、驱动信号生成模块。光学多元神经元激活函数模块的输入为包含多个神经元信息的2维、多像素点的图形,输出为并行的多波长信号。本发明神经网络中的矩阵运算过程、多神经元的非线性激活过程都为并行过程,大大提高了网络的并行度和速度。本发明实现了在全光域内通过一个器件(模块)并行完成多个神经元的激活函数运算,大大提高了架构的集成度、降低了复杂性;光学多神经元激活函数模块也由于其全光特性,节约了能耗、提高了运行速率。

    一种基于光学多神经元激活函数模块的光电计算机

    公开(公告)号:CN116957031A

    公开(公告)日:2023-10-27

    申请号:CN202310909546.8

    申请日:2023-07-24

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于光学多神经元激活函数模块的光电计算机,属于计算机领域。本发明的光电计算机由n个神经网络串联构成,每一神经网络分为光源模块、全光矩阵运算模块、光学多神经元激活函数模块、驱动信号生成模块。光学多元神经元激活函数模块的输入为包含多个神经元信息的2维、多像素点的图形,输出为并行的多波长信号。本发明神经网络中的矩阵运算过程、多神经元的非线性激活过程都为并行过程,大大提高了网络的并行度和速度。本发明实现了在全光域内通过一个器件(模块)并行完成多个神经元的激活函数运算,大大提高了架构的集成度、降低了复杂性;光学多神经元激活函数模块也由于其全光特性,节约了能耗、提高了运行速率。

    一种小孔显微成像装置
    4.
    发明公开

    公开(公告)号:CN101620362A

    公开(公告)日:2010-01-06

    申请号:CN200910099466.0

    申请日:2009-06-08

    Applicant: 浙江大学

    Abstract: 本发明涉及一种小孔显微成像装置,现有的显微成像装置尺寸较大,系统复杂并且调试困难。本发明包括光源、载物台、CCD传感器、成像室、滤光片、图像采集卡和三维活动支架。三维活动支架上安装有传感器架,CCD传感器设置在传感器架上,成像室为倒立的内部中空的圆锥体,成像室底面与传感器架配合连接。CCD传感器芯片的感光面与成像室的底面位置对应。成像室的锥顶开有小孔。成像室内活动设置有滤光片,小孔所在平面、滤光片平面均与成像室底面平行。CCD传感器与图像采集卡信号连接。载物台设置在成像室的正下方,光源对应载物台设置。本发明可实现从可见到红外的宽光谱放大成像,不存在渐晕效应且具有无限景深。

    一种含金属包边的复合材料叶片胶接工艺

    公开(公告)号:CN119589968A

    公开(公告)日:2025-03-11

    申请号:CN202411565741.4

    申请日:2024-11-05

    Applicant: 浙江大学

    Abstract: 本发明公开了一种含金属包边的复合材料叶片胶接工艺,涉及胶接工艺领域。该工艺包括:将钛合金待胶接区域放入硝酸与氢氟酸的混合溶液中充分反应,用水冲洗干净后烘干;使用NaTESi作为电解液,以经处理后的钛合金作为阳极,石墨电极作为阴极,在常温下进行电解反应;对复合材料进行大气压低温等离子体处理;将经处理后的钛合金与经处理后的复合材料之间使用胶膜进行胶接。本发明通过酸洗去除钛合金表面疏松的氧化膜,通过阳极氧化在钛合金表面形成致密氧化膜,增加表面粗糙度;通过等离子体处理增加复合材料表面的活性官能团与润湿性,提高与胶膜的胶接界面强度。处理后碳纤维复合材料与钛合金搭接强度相比处理前提高68%。

    一种面向有串扰的波分复用光学神经网络的训练方法

    公开(公告)号:CN117057407B

    公开(公告)日:2024-07-09

    申请号:CN202311052080.0

    申请日:2023-08-21

    Applicant: 浙江大学

    Abstract: 本发明公开了一种面向有串扰的波分复用光学神经网络的训练方法,属于信息技术领域。本发明适用于有串扰的波分复用光学神经网络,此类神经网络至少有一层隐藏层或输出层采用基于神经元复用单元的网络架构,这种基于神经元复用单元的波分复用神经网络可以将网络的物理层面的体积和功耗压缩数倍,但会引入串扰。本发明采用基于损失函数梯度下降的训练方法训练所述采用基于神经元复用单元的网络架构的隐藏层和输出层,即输出向量与标签向量联合计算得到训练的损失函数,通过使损失函数沿梯度下降以更新相应层的权重矩阵,从而实现面向有串扰的波分复用光学神经网络的训练。

    一种基于光学神经元波长复用模块的光电计算机

    公开(公告)号:CN116681117A

    公开(公告)日:2023-09-01

    申请号:CN202310590364.9

    申请日:2023-05-24

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于光学神经元波长复用模块的光电计算机,所述光学神经元波长复用模块作为光学神经网络中实现某一隐藏层或输出层的非线性运算部分,接收该隐藏层或输出层的线性运算部分的向量化输出信号并进行非线性运算,其包括多路复用器阵列、波分复用非线性器件阵列、多路解复用器阵列。所述光电计算机用于实现多层的光电神经网路的功能,所述的光电神经网路包括若干隐藏层、一个输出层和电学总控部分;其中,隐藏层和输出层具有相同的结构,均包括光学线性运算部分和光学非线性运算部分;至少一个隐藏层或输出层的所述的光学非线性运算部分,由采用本发明所述的光学神经元波长复用模块。本发明可以大大提高网络的并行度和速度。

Patent Agency Ranking