JP2530404B2 - 光ニュ―ラルネットワ―クシステム - Google Patents
光ニュ―ラルネットワ―クシステムInfo
- Publication number
- JP2530404B2 JP2530404B2 JP4036650A JP3665092A JP2530404B2 JP 2530404 B2 JP2530404 B2 JP 2530404B2 JP 4036650 A JP4036650 A JP 4036650A JP 3665092 A JP3665092 A JP 3665092A JP 2530404 B2 JP2530404 B2 JP 2530404B2
- Authority
- JP
- Japan
- Prior art keywords
- light
- element array
- spatial light
- weight
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
- Optical Communication System (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、光ニューラルネットワ
ークシステムの改良に関するものである。
ークシステムの改良に関するものである。
【０００２】
【従来の技術】ニューラルネットワークシステムは、神
経細胞間の情報伝達の動作を模擬することにより、従来
の計算機では不得意とされる認識処理や連想処理を行わ
せようとするもので、現在、そのための研究が活発に行
われている。
経細胞間の情報伝達の動作を模擬することにより、従来
の計算機では不得意とされる認識処理や連想処理を行わ
せようとするもので、現在、そのための研究が活発に行
われている。
【０００３】このようなニューラルネットワークシステ
ムの一つとして、信号の伝搬及び信号同士の積和演算を
光の空間伝搬特性を用いて行う光ニューラルネットワー
クシステムがある。
ムの一つとして、信号の伝搬及び信号同士の積和演算を
光の空間伝搬特性を用いて行う光ニューラルネットワー
クシステムがある。
【０００４】図２は従来の光ニューラルネットワークシ
ステムの一例、例えばＯptics Ｌetters，Vol.12，No.6
に示された従来の学習形光ニューロコンピュータシステ
ムの構成例を示すもので、図中、１は発光素子アレイ、
２は空間光変調素子アレイ、３は受光素子アレイ、４は
コンピュータである。
ステムの一例、例えばＯptics Ｌetters，Vol.12，No.6
に示された従来の学習形光ニューロコンピュータシステ
ムの構成例を示すもので、図中、１は発光素子アレイ、
２は空間光変調素子アレイ、３は受光素子アレイ、４は
コンピュータである。
【０００５】次に、このシステムの学習動作について説
明するが、発光素子アレイ１のｉ番目の素子から発した
光は空間光変調素子アレイ２のｉ行目を均一に照射する
ものとし、また、空間光変調素子アレイ２のｊ列目を透
過した光は受光素子アレイ３のｊ番目の素子に全て集光
されるものとする。
明するが、発光素子アレイ１のｉ番目の素子から発した
光は空間光変調素子アレイ２のｉ行目を均一に照射する
ものとし、また、空間光変調素子アレイ２のｊ列目を透
過した光は受光素子アレイ３のｊ番目の素子に全て集光
されるものとする。
【０００６】コンピュータ４は、始めに学習させようと
するデータＯi を発光素子アレイ１の発光強度として、
また、神経細胞間の結合強度に相当する重みＷijを空間
光変調素子アレイ２の光の透過率として設定する。これ
により、受光素子アレイ３から出力されるデータＩ
j は、 となる。
するデータＯi を発光素子アレイ１の発光強度として、
また、神経細胞間の結合強度に相当する重みＷijを空間
光変調素子アレイ２の光の透過率として設定する。これ
により、受光素子アレイ３から出力されるデータＩ
j は、 となる。
【０００７】次に、コンピュータ４は受光素子アレイ３
からの出力データＩj と、発光素子アレイ１に入力した
データＯi に対する出力の期待値（教師データ）とを比
較し、その誤差δj を求めるとともに、受光素子アレイ
３からの出力データをこれに近づけるよう、空間光変調
素子アレイ２の各セル（素子）に設定する新たな重みＷ
ij(new) を、 Ｗij(new) ＝Ｗij＋ηＯi δj ……(2) （但し、ηは重みの更新の度合いを決める係数）により
計算し、この値を空間光変調素子アレイ２の各セルへ転
送する。
からの出力データＩj と、発光素子アレイ１に入力した
データＯi に対する出力の期待値（教師データ）とを比
較し、その誤差δj を求めるとともに、受光素子アレイ
３からの出力データをこれに近づけるよう、空間光変調
素子アレイ２の各セル（素子）に設定する新たな重みＷ
ij(new) を、 Ｗij(new) ＝Ｗij＋ηＯi δj ……(2) （但し、ηは重みの更新の度合いを決める係数）により
計算し、この値を空間光変調素子アレイ２の各セルへ転
送する。
【０００８】前述した操作を学習すべき複数のデータに
対して繰返し実施することにより、最終的に出力データ
を教師データとほぼ一致させることが可能となる。
対して繰返し実施することにより、最終的に出力データ
を教師データとほぼ一致させることが可能となる。
【０００９】
【発明が解決しようとする課題】しかしながら、前述し
た光ニューラルネットワークシステムでは、重みＷijの
算出が外部のコンピュータ４で行われるため、システム
内の結合数が増加すると、これに比例して計算時間が増
加する。また、計算した重みを空間光変調素子アレイの
各セルへ転送する処理に要する時間も必要となる。
た光ニューラルネットワークシステムでは、重みＷijの
算出が外部のコンピュータ４で行われるため、システム
内の結合数が増加すると、これに比例して計算時間が増
加する。また、計算した重みを空間光変調素子アレイの
各セルへ転送する処理に要する時間も必要となる。
【００１０】例えば、２５０個の重みからなる光ニュー
ラルネットワークシステムで８個のデータを学習する場
合、１回の学習で２０００回の重みの演算と転送が必要
となる。一般に、学習が集束するためには１０4 程度の
学習回数が必要となるため、この場合の演算回数は２×
１０7 回となる。１回の重みの演算と転送に必要な時間
を２msとすると、総学習時間は４×１０4 秒（約１１時
間）となり、必ずしも光の並列演算性、並列伝達性を有
効に活用しているとはいえず、効率的な学習が不可能で
あった。
ラルネットワークシステムで８個のデータを学習する場
合、１回の学習で２０００回の重みの演算と転送が必要
となる。一般に、学習が集束するためには１０4 程度の
学習回数が必要となるため、この場合の演算回数は２×
１０7 回となる。１回の重みの演算と転送に必要な時間
を２msとすると、総学習時間は４×１０4 秒（約１１時
間）となり、必ずしも光の並列演算性、並列伝達性を有
効に活用しているとはいえず、効率的な学習が不可能で
あった。
【００１１】本発明は前述した従来の問題点に鑑み、光
の並列演算性、並列伝達性を有効に活用し、学習処理に
要する時間を大幅に短縮し得る光ニューラルネットワー
クシステムを提供することを目的とする。
の並列演算性、並列伝達性を有効に活用し、学習処理に
要する時間を大幅に短縮し得る光ニューラルネットワー
クシステムを提供することを目的とする。
【００１２】
【課題を解決するための手段】本発明では前記目的を達
成するため、複数の入力信号に対応した複数の光を発生
する入力部と、該入力部からの複数の光に対して光の透
過率を変化させることにより所定の演算を行わせる中間
部と、該中間部を透過した複数の光を複数の出力信号に
変換する出力部とからなる光ニューラルネットワークシ
ステムにおいて、前記中間部を、入力部からの複数の光
に対して出力信号と教師信号との誤差を設定する複数の
空間光変調素子からなる空間光変調素子アレイと、該空
間光変調素子アレイを透過した光の一部を受光し電気信
号に変換する受光部、該電気信号に基いて重みを計算す
る計算部及び該計算した重みを光の透過率として設定す
る空間光変調部を備えた複数の重み設定素子からなる重
み設定素子アレイとを用いて構成した光ニューラルネッ
トワークシステムを提案する。
成するため、複数の入力信号に対応した複数の光を発生
する入力部と、該入力部からの複数の光に対して光の透
過率を変化させることにより所定の演算を行わせる中間
部と、該中間部を透過した複数の光を複数の出力信号に
変換する出力部とからなる光ニューラルネットワークシ
ステムにおいて、前記中間部を、入力部からの複数の光
に対して出力信号と教師信号との誤差を設定する複数の
空間光変調素子からなる空間光変調素子アレイと、該空
間光変調素子アレイを透過した光の一部を受光し電気信
号に変換する受光部、該電気信号に基いて重みを計算す
る計算部及び該計算した重みを光の透過率として設定す
る空間光変調部を備えた複数の重み設定素子からなる重
み設定素子アレイとを用いて構成した光ニューラルネッ
トワークシステムを提案する。
【００１３】
【作用】本発明によれば、入力部からの複数の光に対し
て出力信号と教師信号との誤差を設定する複数の空間光
変調素子からなる空間光変調素子アレイにより、重みの
更新に必要な誤差情報を光を用いて伝達でき、また、空
間光変調素子アレイを透過した光の一部を受光し電気信
号に変換する受光部、該電気信号に基いて重みを計算す
る計算部及び該計算した重みを光の透過率として設定す
る空間光変調部を備えた複数の重み設定素子からなる重
み設定素子アレイにより、光による誤差情報に基いて重
みの更新を全セルで同時に実行できる。
て出力信号と教師信号との誤差を設定する複数の空間光
変調素子からなる空間光変調素子アレイにより、重みの
更新に必要な誤差情報を光を用いて伝達でき、また、空
間光変調素子アレイを透過した光の一部を受光し電気信
号に変換する受光部、該電気信号に基いて重みを計算す
る計算部及び該計算した重みを光の透過率として設定す
る空間光変調部を備えた複数の重み設定素子からなる重
み設定素子アレイにより、光による誤差情報に基いて重
みの更新を全セルで同時に実行できる。
【００１４】
【実施例】図１は本発明の光ニューラルネットワークシ
ステムの一実施例を示すもので、図中、５は入力データ
を設定する空間光変調素子アレイ、６は出力データと教
師データとの誤差を設定する空間光変調素子アレイ、７
は重み設定素子アレイ、８は演算結果を得る受光素子ア
レイ、９は出力データと教師データとの誤差を求める外
部の演算回路、例えばコンピュータである。
ステムの一実施例を示すもので、図中、５は入力データ
を設定する空間光変調素子アレイ、６は出力データと教
師データとの誤差を設定する空間光変調素子アレイ、７
は重み設定素子アレイ、８は演算結果を得る受光素子ア
レイ、９は出力データと教師データとの誤差を求める外
部の演算回路、例えばコンピュータである。
【００１５】空間光変調素子アレイ５は入力光に対して
縦方向に均一な光変調ができる複数のストライプ状の空
間光変調素子の集合体であり、また、空間光変調素子ア
レイ６は入力光に対して横方向に均一な光変調ができる
複数のストライプ状の空間光変調素子の集合体である。
受光素子アレイ８は横１列の光を同時に受光し加算して
出力する複数のストライプ状の光電変換素子からなって
いる。
縦方向に均一な光変調ができる複数のストライプ状の空
間光変調素子の集合体であり、また、空間光変調素子ア
レイ６は入力光に対して横方向に均一な光変調ができる
複数のストライプ状の空間光変調素子の集合体である。
受光素子アレイ８は横１列の光を同時に受光し加算して
出力する複数のストライプ状の光電変換素子からなって
いる。
【００１６】重み設定素子アレイ７は、空間光変調素子
アレイ５，６を透過した光の一部を受光し電気信号に変
換する受光部と、該電気信号に基いて重みを計算する計
算部と、該計算した重みを光の透過率として設定する空
間光変調部とを備えた複数の重み設定素子からなってい
る。
アレイ５，６を透過した光の一部を受光し電気信号に変
換する受光部と、該電気信号に基いて重みを計算する計
算部と、該計算した重みを光の透過率として設定する空
間光変調部とを備えた複数の重み設定素子からなってい
る。
【００１７】次に、本システムをニューラルネットワー
クにおける学習方法の一つであるバックプロパゲーショ
ンによる学習に適用した場合の動作について説明する。
説明に当って、光源（図示せず）の光量は「１」に正規
化されているものとする。
クにおける学習方法の一つであるバックプロパゲーショ
ンによる学習に適用した場合の動作について説明する。
説明に当って、光源（図示せず）の光量は「１」に正規
化されているものとする。
【００１８】図１に示す如く、入力データにＯi 、これ
に対する教師データとしてＲj が設定されていると仮定
する。また、重み設定素子アレイ７の位置（ｉ，ｊ）の
セルには初期値としてＷijなる重みが設定されているも
のとする。
に対する教師データとしてＲj が設定されていると仮定
する。また、重み設定素子アレイ７の位置（ｉ，ｊ）の
セルには初期値としてＷijなる重みが設定されているも
のとする。
【００１９】バックプロパゲーションによる学習処理
は、(1) ニューラルネットワーク演算、(2) 演算結果に
対する誤差の逆伝搬、(3) 誤差の値を基にした新しい重
みの生成、の３つの処理に分けられる。
は、(1) ニューラルネットワーク演算、(2) 演算結果に
対する誤差の逆伝搬、(3) 誤差の値を基にした新しい重
みの生成、の３つの処理に分けられる。
【００２０】(1) ニューラルネットワーク演算 空間光変調素子アレイ５には入力データＯi 、空間光変
調素子アレイ６には誤差伝搬のタイミングではないので
「１」が設定される。従って、受光素子アレイ８のｊ番
目のセルからは、 なる値が出力される。
調素子アレイ６には誤差伝搬のタイミングではないので
「１」が設定される。従って、受光素子アレイ８のｊ番
目のセルからは、 なる値が出力される。
【００２１】(2) 誤差の逆伝搬 誤差δj は、コンピュータ９により δj ＝Ｉj −Ｒj ……(4) で計算され、その結果が空間光変調素子アレイ６に設定
される。この結果、重み設定素子アレイ７の位置（ｉ，
ｊ）のセルで受光される値はＯi δj となる。
される。この結果、重み設定素子アレイ７の位置（ｉ，
ｊ）のセルで受光される値はＯi δj となる。
【００２２】(3) 重みの更新 重み設定素子アレイ７の位置（ｉ，ｊ）のセル内では受
光された値Ｏi δj を基にして、 Ｗij(new) ＝Ｗij＋ηＯi δj ……(4) （但し、ηは重みの更新の度合いを決める係数）により
新しい重みＷij(new) の演算が行われる。この演算は重
み設定素子アレイ７の各セルでそれぞれが受光した値を
基にして同時に実行される。
光された値Ｏi δj を基にして、 Ｗij(new) ＝Ｗij＋ηＯi δj ……(4) （但し、ηは重みの更新の度合いを決める係数）により
新しい重みＷij(new) の演算が行われる。この演算は重
み設定素子アレイ７の各セルでそれぞれが受光した値を
基にして同時に実行される。
【００２３】前述した演算を実行する重み設定素子アレ
イ７中の１つのセルの詳細を図３に示す。図中、７１は
空間光変調素子アレイ６を透過した光を受光し電気信号
に変換する受光素子、７２は乗算回路、７３は加算回
路、７４は計算した新しい重みを記憶する記憶回路、７
５は１つ前の重みを記憶する記憶回路、７６は計算した
重みを光の透過率として設定する空間光変調素子であ
る。なお、１つのセルはその大部分の領域が空間光変調
素子７６で占められ、受光素子７１は例えば、その中央
部の一部分に設けられる。また、他の回路は各セル間も
しくはアレイ周辺に設けられる。
イ７中の１つのセルの詳細を図３に示す。図中、７１は
空間光変調素子アレイ６を透過した光を受光し電気信号
に変換する受光素子、７２は乗算回路、７３は加算回
路、７４は計算した新しい重みを記憶する記憶回路、７
５は１つ前の重みを記憶する記憶回路、７６は計算した
重みを光の透過率として設定する空間光変調素子であ
る。なお、１つのセルはその大部分の領域が空間光変調
素子７６で占められ、受光素子７１は例えば、その中央
部の一部分に設けられる。また、他の回路は各セル間も
しくはアレイ周辺に設けられる。
【００２４】ここまでは説明を簡単にするため、正の誤
差による重みの正方向への更新について述べたが、空間
光変調素子アレイ６の列を二分し、正負それぞれの誤差
を設定し、重み設定素子アレイ７にも正負の誤差信号を
独立して受光する受光部を設けることにより、前記構成
を適用した重みの加減算が可能となる。
差による重みの正方向への更新について述べたが、空間
光変調素子アレイ６の列を二分し、正負それぞれの誤差
を設定し、重み設定素子アレイ７にも正負の誤差信号を
独立して受光する受光部を設けることにより、前記構成
を適用した重みの加減算が可能となる。
【００２５】このように前記実施例によれば、重みの更
新は全てのセルで同時に実行されるため、重み更新時間
はニューラルネットワークの規模によらず一定となり、
高速処理が実現できる。また、外部のコンピュータで実
施される誤差の演算数は重み設定素子アレイ７のセルの
数、即ちニューラルネットワークの規模の１／２乗とな
るため、コンピュータにおける計算時間も短時間で済
む。さらに、前記誤差の演算は非常に単純であることか
ら、各セル毎に専用の演算回路を設け並列処理を行うこ
とにより、さらに高速化を図ることも可能である。
新は全てのセルで同時に実行されるため、重み更新時間
はニューラルネットワークの規模によらず一定となり、
高速処理が実現できる。また、外部のコンピュータで実
施される誤差の演算数は重み設定素子アレイ７のセルの
数、即ちニューラルネットワークの規模の１／２乗とな
るため、コンピュータにおける計算時間も短時間で済
む。さらに、前記誤差の演算は非常に単純であることか
ら、各セル毎に専用の演算回路を設け並列処理を行うこ
とにより、さらに高速化を図ることも可能である。
【００２６】
【発明の効果】以上説明したように本発明によれば、入
力部からの複数の光に対して出力信号と教師信号との誤
差を設定する複数の空間光変調素子からなる空間光変調
素子アレイと、該空間光変調素子アレイを透過した光の
一部を受光し電気信号に変換する受光部、該電気信号に
基いて重みを計算する計算部及び該計算した重みを光の
透過率として設定する空間光変調部を備えた複数の重み
設定素子からなる重み設定素子アレイとを用いたため、
重みの更新に必要な誤差情報を光を用いて伝達でき、ま
た、該光による誤差情報に基いて重みの更新を全セルで
同時に実行できるので、従来のように外部で重みの演算
を行い、これを電気的に転送する必要がなくなり、学習
に要する時間を飛躍的に短縮させることが可能となる。
力部からの複数の光に対して出力信号と教師信号との誤
差を設定する複数の空間光変調素子からなる空間光変調
素子アレイと、該空間光変調素子アレイを透過した光の
一部を受光し電気信号に変換する受光部、該電気信号に
基いて重みを計算する計算部及び該計算した重みを光の
透過率として設定する空間光変調部を備えた複数の重み
設定素子からなる重み設定素子アレイとを用いたため、
重みの更新に必要な誤差情報を光を用いて伝達でき、ま
た、該光による誤差情報に基いて重みの更新を全セルで
同時に実行できるので、従来のように外部で重みの演算
を行い、これを電気的に転送する必要がなくなり、学習
に要する時間を飛躍的に短縮させることが可能となる。
【図１】本発明の光ニューラルネットワークシステムの
一実施例を示す構成図
一実施例を示す構成図
【図２】従来の光ニューラルネットワークシステムの一
例を示す構成図
例を示す構成図
【図３】重み設定素子アレイ中の１つのセルの詳細を示
す構成図
す構成図
【符号の説明】 ５，６…空間光変調素子アレイ、７…重み設定素子アレ
イ、８…受光素子アレイ、９…コンピュータ、７１…受
光素子、７２…乗算回路、７３…加算回路、７４，７５
…記憶回路、７６…空間光変調素子。
イ、８…受光素子アレイ、９…コンピュータ、７１…受
光素子、７２…乗算回路、７３…加算回路、７４，７５
…記憶回路、７６…空間光変調素子。
Claims (1)
- 【請求項１】 複数の入力信号に対応した複数の光を発
生する入力部と、該入力部からの複数の光に対して光の
透過率を変化させることにより所定の演算を行わせる中
間部と、該中間部を透過した複数の光を複数の出力信号
に変換する出力部とからなる光ニューラルネットワーク
システムにおいて、 前記中間部を、 入力部からの複数の光に対して出力信号と教師信号との
誤差を設定する複数の空間光変調素子からなる空間光変
調素子アレイと、 該空間光変調素子アレイを透過した光の一部を受光し電
気信号に変換する受光部、該電気信号に基いて重みを計
算する計算部及び該計算した重みを光の透過率として設
定する空間光変調部を備えた複数の重み設定素子からな
る重み設定素子アレイとを用いて構成したことを特徴と
する光ニューラルネットワークシステム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4036650A JP2530404B2 (ja) | 1992-02-24 | 1992-02-24 | 光ニュ―ラルネットワ―クシステム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4036650A JP2530404B2 (ja) | 1992-02-24 | 1992-02-24 | 光ニュ―ラルネットワ―クシステム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05233859A JPH05233859A (ja) | 1993-09-10 |
| JP2530404B2 true JP2530404B2 (ja) | 1996-09-04 |
Family
ID=12475736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4036650A Expired - Fee Related JP2530404B2 (ja) | 1992-02-24 | 1992-02-24 | 光ニュ―ラルネットワ―クシステム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2530404B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3602155A1 (en) | 2017-03-21 | 2020-02-05 | Corning Research & Development Corporation | Fiber optic cable assembly with thermoplastically overcoated fusion splice, and related method and apparatus |
| US10976492B2 (en) | 2018-09-07 | 2021-04-13 | Corning Incorporated | Cable with overcoated non-coplanar groups of fusion spliced optical fibers, and fabrication method |
| US11360265B2 (en) | 2019-07-31 | 2022-06-14 | Corning Research & Development Corporation | Fiber optic cable assembly with overlapping bundled strength members, and fabrication method and apparatus |
| US11886009B2 (en) | 2020-10-01 | 2024-01-30 | Corning Research & Development Corporation | Coating fusion spliced optical fibers and subsequent processing methods thereof |
| US11808983B2 (en) | 2020-11-24 | 2023-11-07 | Corning Research & Development Corporation | Multi-fiber splice protector with compact splice-on furcation housing |
| US11867947B2 (en) | 2021-04-30 | 2024-01-09 | Corning Research & Development Corporation | Cable assembly having routable splice protectors |
-
1992
- 1992-02-24 JP JP4036650A patent/JP2530404B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH05233859A (ja) | 1993-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109784486B (zh) | 一种光学神经网络处理器及其训练方法 | |
| Kosko | Adaptive bidirectional associative memories | |
| US11544539B2 (en) | Hardware neural network conversion method, computing device, compiling method and neural network software and hardware collaboration system | |
| CN109784485B (zh) | 一种光学神经网络处理器及其计算方法 | |
| Motamarri et al. | GMPPT by using PSO based on Lévy flight for photovoltaic system under partial shading conditions | |
| CN109376855B (zh) | 一种光神经元结构和包含该结构的神经网络处理系统 | |
| JP2530404B2 (ja) | 光ニュ―ラルネットワ―クシステム | |
| Cai et al. | Antenna selection for multiple-input multiple-output systems based on deep convolutional neural networks | |
| CN115545173A (zh) | 用于信号处理的光调制神经元及全光衍射神经网络方法 | |
| US5479569A (en) | Intelligence information processing method | |
| Wei et al. | Accurate visible light positioning technique using extreme learning machine and meta-heuristic algorithm | |
| US5220642A (en) | Optical neurocomputer with dynamic weight matrix | |
| CN116596056A (zh) | 基于混合变异策略遗传算法的深度光学神经网络训练方法及系统 | |
| CN111667064B (zh) | 基于光电计算单元的混合型神经网络及其运算方法 | |
| JP2648386B2 (ja) | 光ニューロコンピュータ | |
| US11527059B2 (en) | Reservoir computing | |
| JP3171897B2 (ja) | 知識情報処理装置 | |
| Simpkins | Design, modeling, and simulation of a compact optoelectronic neural coprocessor | |
| EL KHAOUAT¹ et al. | A systematic literature review on prediction models in microgrids | |
| CN110910164A (zh) | 产品销售预测方法、系统、计算机设备和存储介质 | |
| US20220036185A1 (en) | Techniques for adapting neural networks to devices | |
| Kashefi | Rapidly training device for fiber-optic neural network | |
| CN116842988A (zh) | 基于萤火虫算法的深度光学神经网络训练方法及系统 | |
| JP2843066B2 (ja) | 光―電気ハイブリツド型多層ニユーラル・ネツトワーク・システム | |
| US6854004B2 (en) | Irregular optical interconnections to compensate for non-uniformities in analog optical processors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |