-
公开(公告)号：CN118535841A
公开(公告)日：2024-08-23
申请号：CN202410625030.5
申请日：2024-05-20
Applicant: 西南交通大学
Abstract: 本发明公开了一种并行深度储备池结构以及提升光储备池计算性能方法，并行深度储备池由7个基于半导体激光器的储备池构成，共有三层。输入的信息首先与掩码信息相乘进行预处理，然后通过调制器加载到光源的幅度中，并注入到作为根节点的激光器1中；上一层的激光器通过分束器将输出的光注入到下一层的两个激光器中；在输出层通过设定的时间间隔θ对所有的激光器的输出进行采样，得到每一个储备池的虚拟结点状态序列，将状态序列合并得到状态矩阵Xm；最后，将Xm与目标数据进行岭回归得到训练权重。本发明有效地分散计算负载，减少单个激光器的负担，从而提高整体的计算效率；提高系统的稳定性、鲁棒性和数据处理能力，同时降低能耗和简化系统设计。
-
公开(公告)号：CN117035031A
公开(公告)日：2023-11-10
申请号：CN202310962149.7
申请日：2023-08-01
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于偏差物理模型的光储备池计算性能提升方法及系统，包括将初始数据将偏差物理模型的误差数据作为输入数据导入输入层，在储备池层通过分析偏差物理模型和储备池状态之间的不匹配来训练输出权重，对基于偏差物理模型和储备池之间的数据进行加权，用岭回归得到输出权重，基于输出权重通过输出层输出预测数据。本发明结合基于偏差物理模型和光注入的时延半导体激光器储备池方案，考虑了预测混沌非线性动力系统的数据辅助预测作用，突破单个基于偏差物理模型预测的不稳定性和单个光注入的时延光储备池系统中虚拟节点间隔以及虚拟节点个数间的互斥关系，保持系统高速信息处理速率的前提下，提升了系统的预测性能。
-
公开(公告)号：CN118862977A
公开(公告)日：2024-10-29
申请号：CN202410990643.9
申请日：2024-07-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种脉冲耦合神经网络以及用于噪声图像分割的方法，网络架构只有单一层，网络中的每个神经元皆是由具有相同固有参数的VCSEL‑SA的光子脉冲神经元组成；对于具有一定噪声模式的图像，让每个神经元节点对应一个像素点；不同的像素值被预编码为高于自脉冲阈值的偏置电流，并注入到相应的光子脉冲神经元的增益区域；经过相互耦合作用后，各个神经元节点将会产生一系列脉冲时间序列，记录输出脉冲；最后选取所有节点的固定脉冲时刻作为计算结果，就得到经过网络处理后的图像。本发明用于噪声图像处理，在实现去噪的同时进行图像的颜色分割；具有更低延迟、更高速率、更大带宽等优势。
-
公开(公告)号：CN118036691A
公开(公告)日：2024-05-14
申请号：CN202410150399.5
申请日：2024-02-02
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于自注入锁定半导体激光器的储备池计算系统及方法，系统由T型偏置器、半导体激光器、光耦合器、偏振控制器、可变光衰减器、切趾光纤布拉格光栅、光隔离器以及光电探测器组成；方法具体为：输入层的信号通过T型偏置器注入储备池，半导体激光器作为储备池中的非线性节点，激光器的发射光通过光耦合器后，一路经过偏振控制器和可变光衰减器后被切趾光纤布拉格光栅反射并原路反馈回激光器；另一路传输到输出层经过光隔离器到达光电探测器并转换为电信号输出。本发明抑制了激光器的弛豫震荡，并在弱反馈和强反馈状态下实现自注入锁定，能够增大储备池计算系统的有效工作参数空间，放宽了系统工作条件，提升了系统的鲁棒性。
-
公开(公告)号：CN117041774A
公开(公告)日：2023-11-10
申请号：CN202311041502.4
申请日：2023-08-18
Applicant: 西南交通大学
Abstract: 本发明涉及一种半导体激光器网络同步控制方法，尤其涉及一种基于单向依赖关系的复杂半导体激光器网络同步控制方法，本发明通过构建半导体激光器复杂网络模型，根据所述同步簇中的单向依赖关系调整所述半导体激光器复杂网络模型中的参数数据，并通过所述半导体激光器复杂网络模型计算出复慢变电场振幅，最后基于所述复慢变电场振幅通过均方差函数进行计算，得到同步状态值，当所述同步状态值不小于预设同步状态值时，调整半导体激光器复杂网络模型中的参数数据。本发明通过改变有向网络单向依赖关系层级中最初层级的半导体激光器的工作参数，从而实现对整个半导体激光器网络的同步稳定性控制，提高了网络控制效率，降低了网络控制成本。
-
Patent Agency Ranking
公开(公告)号：CN117592534A
公开(公告)日：2024-02-23
申请号：CN202311472134.9
申请日：2023-11-07
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于偏振选择反馈VCSEL的激光器神经元，包括单个VCSEL和反馈环路，激光由VCSEL发出，经过光环形器后被偏振分光器分离为正交偏振模式和平行偏振模式，其中正交偏振模式作为激光器神经元的输出；平行偏振模式被选择进入反馈环路，通过法拉第旋转镜旋转90°后转变为正交偏振方向，然后经过马赫‑曾德调制器调制模拟神经元刺激，再通过可变光衰减器进行反馈强度控制，最后反馈注入回VCSEL的正交偏振模式，来模拟Tonic Spiking和Phasic Spiking类神经元行为。本发明只需要单个激光器即可模拟一个神经元，简化了硬件结构；无激光器之间光频偏及相位的匹配需求，保证了系统的稳定性。
-
公开(公告)号：CN117134882A
公开(公告)日：2023-11-28
申请号：CN202311122106.4
申请日：2023-09-01
Applicant: 西南交通大学
IPC: H04L9/00
Abstract: 本发明公开了一种基于异构耦合的半导体激光器网络时延隐藏方法及系统，包括，获取激光器网络进行图表示，并按照邻接矩阵形式进行保存，根据网络拓扑结构的对称性将激光器网络划分为若干个集团；基于集团划分结果，对原始的激光器网络进行增加与原来不同的耦合强度和耦合时延的单向及双向注入的耦合链路，使网络混沌输出的时延特征得到了有效的隐藏。本方法引入了复杂半导体激光器网络的概念，并通过在原半导体激光器网络上增加不同耦合强度和耦合时延的双向以及单向注入链路，在半导体激光器网络中所有集团稳定同步的同时实现了激光器网络输出的时延特征的隐藏。
-
公开(公告)号：CN117076837A
公开(公告)日：2023-11-17
申请号：CN202311045720.5
申请日：2023-08-18
Applicant: 西南交通大学
IPC: G06F17/16 , G06F18/214
Abstract: 本发明公开了一种基于时空位移的光储备池计算速率提升方法，主要用于高效数据传输和处理。方法包括以下步骤：首先，计算储备池的输出信号，并将其组织成状态矩阵。接着，基于状态矩阵，确定最大时移值，并将其通过等距方式分成多个时移值，得到一系列等距时移值。进一步，通过映射，将等距时移值转换为具有指数函数分布规律的优化时移值。最后，运用这些优化时移值，将状态矩阵扩展成时移信号矩阵，使得测试误差更小，所需的节点个数也更少，以提升预测的准确性和计算效率。通过该方法，能够在保障高速数据传输的同时，进一步提高计算速率，满足不断增长的数据处理需求。
-
公开(公告)号：CN116306859A
公开(公告)日：2023-06-23
申请号：CN202310027091.7
申请日：2023-01-09
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于光注入的并行光储备池计算性能提升系统及方法，包括输入层，用于将初始数据经过采样、保持后与一个掩码信号相乘生成光储备池的调制信号，通过设置光源，将调制信号加载为光源的相位信息，输入层的调制信号经过调制后注入到储备池层；储备池层，通过引入外部光注入进一步调节光反馈半导体激光器的固有时间，降低虚拟节点间隔的取值，通过分别调整两个光反馈半导体激光器参数，按照节点间隔在一个时延反馈周期内对从激光器的输出进行采样,分别获得两个并行储备池系统的状态向量。具有实现新型的时延光储备池系统结构，能够在优化储备池计算系统性能的同时突破其信息处理速率瓶颈的优点。
-
公开(公告)号：CN118821881A
公开(公告)日：2024-10-22
申请号：CN202410799554.6
申请日：2024-06-20
Applicant: 西南交通大学
IPC: G06N3/067 , G06N3/04 , G06F18/27 , G06F123/02
Abstract: 本发明公开了一种基于输入数据重构的光储备池计算性能提升方法，在输入层：依据Lorenz混沌系统理论模型通过非线性组合进行数据重构，引入到输入层与原始数据垂直串联成新的多维输入数据，并筛选出最优的多维掩码结构与多维输入数据相乘；而在储备池层，引入重构数据与储备池状态矩阵垂直串联，在传统TDRC的系统结构上进行简单的改变，保持系统低复杂性的同时，引入更多与混沌系统相关的非线性数据。本发明保持了系统低复杂性，大大减小实验实现难度；引入非线性数据将输入数据扩维，使得光储备池计算技术预测更加精准；筛选最优掩码增强系统的鲁棒性，进一步最大限度地减少了计算资源，达到光储备池计算技术预测更加精准的效果。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
