【技术实现步骤摘要】
本专利技术涉及光子神经网络领域，特别是涉及一种光学神经网络训练方法、装置、电子设备和计算机可读存储介质、光学神经网络芯片。
技术介绍
1、光学神经网络（optical neural networks，onns）是一种利用光子作为信息载体实现神经网络功能的新型计算架构，它利用光子的波动性和干涉效应执行计算任务，具有高速、低能耗、并行处理和三维集成等优势，广泛应用于图像识别、大数据处理、复杂系统模拟、光通信和生物医学等领域。
2、基于超表面结构的光学神经网络是光学神经网络的一种，超表面结构具有亚波长尺寸结构和二维平面特性，可以实现非常高的集成度，即它可以在较小的区域内集成更多的神经元，从而实现更复杂的光学神经网络。目前基于超表面结构的光学神经网络中超表面结构是固定的，无法对光波实现动态调控，所以在面对不同的任务处理需求时，灵活性和适应性比较差。
3、因此，如何解决上述技术问题应是本领域技术人员重点关注的。
技术实现思路
1、本专利技术的目的是提供一种光学神经网络训练方法...
【技术保护点】
1.一种光学神经网络训练方法，其特征在于，包括：
2.如权利要求1所述的光学神经网络训练方法，其特征在于，在当前磁场状态下，将训练图像的光学信号传输经过光学神经网络中的超表面结构，模拟对所述训练图像的光学权重参数之前，还包括：
3.如权利要求1所述的光学神经网络训练方法，其特征在于，将经过所述超表面结构的光学信号传输至激活层，并使所述激活层根据所述光学权重参数模拟所述光学神经网络的激活函数包括：
4.如权利要求3所述的光学神经网络训练方法，其特征在于，将经过所述超表面结构的光学信号传输至非线性激活层，并使所述非线性激活层根据所述光学...
【技术特征摘要】
1.一种光学神经网络训练方法，其特征在于，包括：
2.如权利要求1所述的光学神经网络训练方法，其特征在于，在当前磁场状态下，将训练图像的光学信号传输经过光学神经网络中的超表面结构，模拟对所述训练图像的光学权重参数之前，还包括：
3.如权利要求1所述的光学神经网络训练方法，其特征在于，将经过所述超表面结构的光学信号传输至激活层，并使所述激活层根据所述光学权重参数模拟所述光学神经网络的激活函数包括：
4.如权利要求3所述的光学神经网络训练方法，其特征在于，将经过所述超表面结构的光学信号传输至非线性激活层，并使所述非线性激活层根据所述光学权重参数模拟所述光学神经网络的非线性激活函数包括：
5.如权利要求3所述的光学神经网络训练方法，其特征在于，将经过所述超表面结构的光学信号传输至非线性激活层...
【专利技术属性】
技术研发人员：毕钰，李拓，王长红，
申请(专利权)人：山东云海国创云计算装备产业创新中心有限公司，
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。