-
公开(公告)号：CN118277695A
公开(公告)日：2024-07-02
申请号：CN202410340283.8
申请日：2024-03-25
Applicant: 苏州大学
IPC: G06F17/10 , G06F18/214 , G06F18/27
Abstract: 本发明公开了一种基于半导体激光器的多层全光储备池计算方法及系统，涉及机器学习技术领域，包括产生光载波信号和数据流；将数据流调制到光载波中；激发瞬态响应，注入锁定的动力学状态；对动力学状态进行扰动，调节反馈环路中的光功率和光信号偏振，将光信号转换为电信号；采集产生的电信号并进行处理，进行权值随机固定的高维映射，得到多层全光储备池计算结果。本发明各个模块都可小型化集成封装，提高稳定性、可靠性、信号的质量和传输效率，实现对多个输入信号的融合和处理，提高系统的处理能力和性能，增加系统的非线性度，进一步提升系统的计算能力和适用性。
-
公开(公告)号：CN112560288B
公开(公告)日：2025-02-28
申请号：CN202011590766.1
申请日：2020-12-29
Applicant: 苏州大学
IPC: G06F30/20 , G06F111/10
Abstract: 本发明公开了一种基于光泵自旋VCSEL的储备池计算装置，包括输入层、储备池与输出层，输入层包括第一驱动激光器、第二驱动激光器、第一任意波形发生器、第二任意波形发生器、第一调制器和第二调制器，储备池包括一个带有光反馈环路的光泵自旋VCSEL，用以将输入信号进行非线性映射处理，输出层包括两个光电转换器和一个双通道示波器。本发明的有益效果：偏振模式稳定且易于控制，采用自旋偏振模式高度稳定且易操控的光泵自旋VCSEL作为储备池，在不影响储备池装置执行任务性能的条件下，使储备池偏振模式不易受到工作环境影响，相较普通VCSEL储备池展现出稳定的性能。
-
公开(公告)号：CN112560288A
公开(公告)日：2021-03-26
申请号：CN202011590766.1
申请日：2020-12-29
Applicant: 苏州大学
IPC: G06F30/20 , G06F111/10
Abstract: 本发明公开了一种基于光泵自旋VCSEL的储备池计算装置，包括输入层、储备池与输出层，输入层包括第一驱动激光器、第二驱动激光、第一任意波形发生器、第二任意波形发生、第一调制器和第二调制器，储备池包括一个带有光反馈环路的光泵自旋VCSEL，用以将输入信号进行非线性映射处理，输出层包括两个光电转换器和一个双通道示波器。本发明的有益效果：偏振模式稳定且易于控制，采用自旋偏振模式高度稳定且易操控的光泵自旋VCSEL作为储备池，在不影响储备池装置执行任务性能的条件下，使储备池偏振模式不易受到工作环境影响，相较普通VCSEL储备池展现出稳定的性能。
-
公开(公告)号：CN115145535B
公开(公告)日：2023-06-23
申请号：CN202210607937.X
申请日：2022-05-31
Applicant: 苏州大学
Abstract: 本发明公开了一种基于自旋垂直腔面发射激光器的深度储备池计算系统及方法，包括：输入层，其包括驱动激光器和n个连接所述驱动激光器的调制器，用于把输入信号注入到深度储备池层；深度储备池层，连接所述调制器，用于产生更加丰富的非线性动态响应，其包括k个储备池层，每个储备池层包括n个储备池单元，所述储备池单元包括自旋垂直腔面发射激光器和反馈回路；输出层，其包括光电探测器、加法器a、加法器b和可编程门控阵列，以获取储备池层的响应状态。本发明通过改变储备池的层数和每一层的储备池单元的个数来丰富储层状态和增强存储容量，从而实现复杂任务的处理。
-
Patent Agency Ranking
公开(公告)号：CN114781602A
公开(公告)日：2022-07-22
申请号：CN202210361468.8
申请日：2022-04-07
Applicant: 苏州大学
Abstract: 本发明涉及基于激光器阵列的深度卷积神经网络系统，深度卷积层包括多个横向耦合的半导体激光器、多个光耦合器和多个反馈回路；输入光信号注入至第一个半导体激光器内，第n个半导体激光器输出的信号经第n个光耦合器分为两路：一路信号经第n个反馈回路返回并作为第n+1个半导体激光器的输入信号；另一路信号输入至输出层；输出层包括加法器和可编程门控阵列；各光耦合器输出的另一路信号在加法器中叠加形成输出信息，可编程门控阵列对输出信息进行训练得到输出层的权值。设置多个横向耦合的半导体激光器，能够避免层间连接的训练；只需训练输出层的输出，极大降低了对算法的依赖，在硬件实施上也显著降低了难度。
-
公开(公告)号：CN114781602B
公开(公告)日：2023-03-24
申请号：CN202210361468.8
申请日：2022-04-07
Applicant: 苏州大学
Abstract: 本发明涉及基于激光器阵列的深度卷积神经网络系统，深度卷积层包括多个横向耦合的半导体激光器、多个光耦合器和多个反馈回路；输入光信号注入至第一个半导体激光器内，第n个半导体激光器输出的信号经第n个光耦合器分为两路：一路信号经第n个反馈回路返回并作为第n+1个半导体激光器的输入信号；另一路信号输入至输出层；输出层包括加法器和可编程门控阵列；各光耦合器输出的另一路信号在加法器中叠加形成输出信息，可编程门控阵列对输出信息进行训练得到输出层的权值。设置多个横向耦合的半导体激光器，能够避免层间连接的训练；只需训练输出层的输出，极大降低了对算法的依赖，在硬件实施上也显著降低了难度。
-
公开(公告)号：CN115145535A
公开(公告)日：2022-10-04
申请号：CN202210607937.X
申请日：2022-05-31
Applicant: 苏州大学
Abstract: 本发明公开了一种基于自旋垂直腔面发射激光器的深度储备池计算系统及方法，包括：输入层，其包括驱动激光器和n个连接所述驱动激光器的调制器，用于把输入信号注入到深度储备池层；深度储备池层，连接所述调制器，用于产生更加丰富的非线性动态响应，其包括k个储备池层，每个储备池层包括n个储备池单元，所述储备池单元包括自旋垂直腔面发射激光器和反馈回路；输出层，其包括光电探测器、加法器a、加法器b和可编程门控阵列，以获取储备池层的响应状态。本发明通过改变储备池的层数和每一层的储备池单元的个数来丰富储层状态和增强存储容量，从而实现复杂任务的处理。
-
公开(公告)号：CN114460580A
公开(公告)日：2022-05-10
申请号：CN202210033406.4
申请日：2022-01-12
Applicant: 苏州大学
IPC: G01S13/89
Abstract: 本发明公开了一种基于半导体激光器的微波光子成像识别一体化雷达系统，其包括注入光模块、从激光器、第一光电探测器、功率分配器、发射与接收模块、微波光子混频模块、目标识别输入模块、储备池计算系统、目标识别输出模块，储备池计算系统包括驱动模块和响应模块。本发明基于半导体激光器，利用激光高速传播的特性在计算速率上无可比拟的优势，降低了系统的训练成本；基于光子技术不仅实现了高分辨率雷达成像，也实现了雷达成像与识别的一体化，并大大减少训练时间与成本，同时具有建构简单、处理速度快、准确率高的优点。其中，从激光器工作在单周期振荡态，使得产生的雷达发射信号具有扫频带宽大、成像分辨率高和调谐灵活的优点。
-
公开(公告)号：CN214376455U
公开(公告)日：2021-10-08
申请号：CN202023241735.3
申请日：2020-12-29
Applicant: 苏州大学
IPC: G06F30/20 , G06F111/10
Abstract: 本实用新型公开了一种基于光泵自旋VCSEL的储备池计算装置，包括输入层、储备池与输出层，输入层包括第一驱动激光器、第二驱动激光、第一任意波形发生器、第二任意波形发生、第一调制器和第二调制器，储备池包括一个带有光反馈环路的光泵自旋VCSEL，用以将输入信号进行非线性映射处理，输出层包括两个光电转换器和一个双通道示波器。本实用新型的有益效果：偏振模式稳定且易于控制，采用自旋偏振模式高度稳定且易操控的光泵自旋VCSEL作为储备池，在不影响储备池装置执行任务性能的条件下，使储备池偏振模式不易受到工作环境影响，相较普通VCSEL储备池展现出稳定的性能。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
