【技术实现步骤摘要】
本专利技术涉及一种基于svd(singular value decomposition)的平均池化光学电路实现方法，属于光学神经网络。
技术介绍
1、与传统卷积神经网络相比，光学卷积神经网络(optical convolutional neuralnetwork,ocnn)利用光波作为载体进行信息处理，通过光学计算可以在光子集成平台或自由空间上实现超低能耗的高速并行信息处理，从而避免了能量损耗和信号失真。因此，光学计算是一种有望推动深度学习计算效率的前沿技术。
2、然而，目前基于光子芯片的神经网络在池化层的光学实现方面仍然存在挑战。在基于光电混合的神经网络中，通常需要使用光电探测器将光信号转换为电信号，然后在电域中执行池化运算。这种频繁的光电转换不仅增加了能量开销，还限制了光学神经网络整体计算速度的提升，无法充分发挥光学计算的潜力。
3、综上所述，如何在光学领域解决池化计算问题，同时促进在光子芯片上的规模化集成，是当前亟待解决的技术难题。
技术实现思路
1、目的：为了克服现有技术中存在的不足，本专利技术提供一种基于svd的平均池化光学电路实现方法，提供一种基于svd的面向光学卷积神经网络(optical convolutionalneural network,ocnn)的平均池化方法，以马赫曾德尔干涉仪(mach-zehnderinterferometer，mzi)为实现光学池化层的基础神经元，mzi可以对通过的光信号进行调制，被广泛应用于光电混合的神经网络
2、技术方案：为解决上述技术问题，本专利技术采用的技术方案为：
3、一种基于svd的平均池化光学电路实现方法，包括如下步骤：
4、步骤1：根据池化核序列的svd分解结果来确定池化计算模块的光学网格架构、mzi的数量，并根据输入图像数据的尺寸来确定延迟线的长度和数量。
5、步骤2：根据mzi传输函数的置0运算，来确定池化计算模块中u模块、∑模块和v模块的不同位置mzi的相位。
6、步骤3：通过确定的延迟线的数量和长度，使得串并转换输入模块输出的光信号并行地输入到池化计算模块的输入端口，同一时刻的并行输入构成一个完整的数据窗口，数据窗口的大小即池化尺寸，为n×n；通过串并转换输出模块对池化计算模块的输出结果进行展平操作，使光信号并行输出。
7、作为优选方案，所述u模块由个mzi组成，n为池化尺寸。
8、作为优选方案，所述u模块的mzi处理输入光信号的计算公式如下：
9、
10、其中，x1，x2为输入光信号，y1，y2为输出光信号，i为虚数单位，θ为mzi的内置相位，为mzi的外置相位。
11、作为优选方案，所述∑模块和v模块由一个单输入单输出的mzi组成。
12、作为优选方案，所述∑模块和v模块的mzi处理输入光信号的计算公式如下：
13、
14、其中，x1为输入光信号，y1为输出光信号，i为虚数单位，θ为mzi的内置相位。
15、作为优选方案，所述u模块中的mzi的相位计算公式如下：
16、
17、
18、其中，θi,1代表u矩阵从左下方元素到主对角线之间奇数斜线元素置0过程中的mzi相位，u2为u矩阵奇数斜线中待置0的元素，u1为u矩阵奇数斜线中待置0元素的右侧相邻元素。
19、θj,2代表u矩阵从左下方元素到主对角线之间偶数斜线元素置0过程中的mzi相位，u'2为u矩阵偶数斜线中待置0的元素，u'1为u矩阵偶数斜线中待置0元素的上方相邻元素。
20、i、j的取值满足
21、当奇数斜线计算置0时，将θi,1替换u模块的mzi处理输入光信号的计算公式中的θ。
22、当偶数斜线计算置0时，将θj,2替换u模块的mzi处理输入光信号的计算公式中的θ。
23、作为优选方案，所述∑模块中单输入单输出的mzi的相位θ计算公式如下：
24、θ＝π
25、作为优选方案，所述v模块中单输入单输出的mzi的相位θ计算公式如下：
26、
27、作为优选方案，所述串并转换输入模块实现方法，包括如下步骤：
28、随着光信号的不断输入，池化窗口将在特征图上从左往右移动直至包含前n行的所有数据，即ω/n个池化窗口，然后进行换行、从第n+1行继续从左往右移动，直至换行ω/n-1次后遍历完特征图的所有数据，ω为卷积层输出的特征图尺寸。
29、每隔nτ提取一个新的池化窗口的数据，第二个池化窗口数据的输入时刻为t0+(ωn-(ω-(n-1)))τ+nτ，以此类推，t0是光信号进入池化层的时间，τ是数字图片输入时一个像素点对应的光信号的时间周期。
30、当池化输入在横向上遍历完前n行的所有数据点时，添加额外的延迟单元(n-1)×ωτ，以换行至第n+1行，在第n+1行到第2n行的范围内横向移动来提取ω/n个池化窗口。
31、池化窗口在横向移动过程中需要间隔nτ来选取下一个池化窗口，而池化窗口的纵向换行操作则需要间隔额外的延迟单元(n-1)×ωτ。
32、作为优选方案，所述串并转换输出模块实现方法，包括如下步骤：
33、延迟单元nτ用于筛选掉池化窗口在特征图上横向移动过程产生的无效池化窗口，并将池化后的特征图的某一行进行展平。
34、延迟单元(n-1)×ωτ用于处理串并转换输入模块的池化窗口在纵向换行过程中由于重叠产生的无效池化窗口，并为池化后的特征图的另一行展平操作做准备。
35、有益效果：本专利技术提供的一种基于svd的平均池化光学电路实现方法，该光学电路分为串并转换输入模块、池化计算模块和串并转换输出模块。根据svd的分解结果和池化尺寸来确定池化计算模块的光学电路架构和mzi的数量；通过mzi传输函数的置0运算来确定不同位置mzi的相位；通过设计串并转换输入模块中延迟线的光学电路架构来确保光信号在同一时刻、并行输入到池化计算模块，并构成一个完整的数据窗口。由于光学电路中固有的并行性，该光学电路能够以低功耗和高速度执行矩阵乘法，从而提升了处理速度和识别精度，为大规模图像处理和高速数据传输带来卓越性能。
本文档来自技高网...【技术保护点】
1.一种基于SVD的平均池化光学电路实现方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于SVD的平均池化光学电路实现方法，其特征在于：所述U模块由个MZI组成，N为池化尺寸。
3.根据权利要求1所述的一种基于SVD的平均池化光学电路实现方法，其特征在于：所述U模块的MZI处理输入光信号的计算公式如下：
4.根据权利要求1所述的一种基于SVD的平均池化光学电路实现方法，其特征在于：所述∑模块和V模块由一个单输入单输出的MZI组成。
5.根据权利要求1所述的一种基于SVD的平均池化光学电路实现方法，其特征在于：所述∑模块和V模块的MZI处理输入光信号的计算公式如下：
6.根据权利要求3所述的一种基于SVD的平均池化光学电路实现方法，其特征在于：所述U模块中的MZI的相位计算公式如下：
7.根据权利要求5所述的一种基于SVD的平均池化光学电路实现方法，其特征在于：所述∑模块中单输入单输出的MZI的相位θ计算公式如下：
8.根据权利要求5所述的一种基于SVD的平均池化光学电路实现方法，其
9.根据权利要求1所述的一种基于SVD的平均池化光学电路实现方法，其特征在于：所述串并转换输入模块实现方法，包括如下步骤：
10.根据权利要求1所述的一种基于SVD的平均池化光学电路实现方法，其特征在于：所述串并转换输出模块实现方法，包括如下步骤：
...【技术特征摘要】
1.一种基于svd的平均池化光学电路实现方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于svd的平均池化光学电路实现方法，其特征在于：所述u模块由个mzi组成，n为池化尺寸。
3.根据权利要求1所述的一种基于svd的平均池化光学电路实现方法，其特征在于：所述u模块的mzi处理输入光信号的计算公式如下：
4.根据权利要求1所述的一种基于svd的平均池化光学电路实现方法，其特征在于：所述∑模块和v模块由一个单输入单输出的mzi组成。
5.根据权利要求1所述的一种基于svd的平均池化光学电路实现方法，其特征在于：所述∑模块和v模块的mzi处理输入光信号的计算公式如下：
6.根据权利要求3...
【专利技术属性】
技术研发人员：吴沁茹，王瑾，邵晓锋，陆云清，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。