洗牌型光电混合神经网络实验系统

在研究洗牌网局部互连光学实现问题的基础上 ,采用洗牌型图样间联想模型建立了具有完整的加权互连、求和、非线性处理及反馈功能的光电混合神经网络实验系统 ,进行了 8× 8数字样本的光学联想识别。实验结果证实了洗牌网理论的可行性和洗牌型图样间联想模型光学实现的优越性     

多状态,多阈值神经网络模型的光电混合实现

提出了一种采用高分辨率液晶电视（ＬＣＴＶ）实现Ｈｏｐｆｉｅｌｄ神经网络多值算法的光电系统，文章给出了平面多状态，多阈值的全互连Ｈｏｐｆｉｅｄ神经网络模型，并采用该系统对颜色进行了联想和记忆的实验，初步的实验结果可以证实，此种高分辨率液晶电视神经网络系统是可行的。     

图样间联想光学神经网络模型存贮分析及两层异联想识别模型的构造

本文详细讨论了图样间联想网络的最大存贮容量,给出了实现图样间异联想的两个充分条件.在此基础上,利用改进的图样间异联想算法构造了两层异联想模型(THA)用于图样识别,网络判辨率与恢复率较图样间自联想识别均有很大提高;且其互连权矩阵更加简单稀疏并可平面化,光学实现更为简便.     

洗牌型图样间联想光学神经网络模型

本文将洗牌型神经网络结构和图样间联想神经网络算法相结合,提出了一种洗牌型图样间联想神经网络(PS-IPA)模型。该模型具有极其简单、稀疏的互连权矩阵,十分适于大规模神经网络的光学实现。计算机模拟结果表明洗牌型图样间联想神经网络的稳定性和抑制噪音的能力均优于图样间联想网络IPA.本文还给出了洗牌互连的一般性原则,使网络结构得到优化,增强了洗牌型神经网络的灵活性和适应性。并采用3-洗牌和2-洗牌结合的PS-IPA对汽车牌照的字符进行识别,得到了较好的结果。