人工智慧光學電腦

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：12

、訪客IP：52.15.34.120

姓名

劉慶權(Ching-Chuan Liu) 查詢紙本館藏

畢業系所

光電科學與工程學系

論文名稱

人工智慧光學電腦
(Artificial Intelligence All Optical Neural Networks)

相關論文

★ 氮化鎵微光學元件之研究	★ 二維雙輸入雙輸出光子晶體分光器
★ 矽光波導元件光耗損研究	★ 矽晶片波導元件研究
★ 砷化鎵光子晶體共振腔研究	★ 應用奈米小球製作之波導模態共振器
★ 光子晶體異常折射之能流研究	★ 氮化鎵光子晶體共振腔
★ 分析BATC大視野多色巡天計畫中正常星系的質光比	★ 新型中空多模干涉分光器
★ 表面電漿對於半導體發光元件光萃取效率的影響之探討	★ 半導體光子晶體雷射之研究
★ 新型中空光波導研製與應用	★ 動態波長分配技術在乙太被動光纖網路的應用
★ 禁止頻帶材料的光學與聲波特性研究	★ 漸變式光子晶體透鏡研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

在本論文中，我們透過光通訊軟體來設計出使用Echo State Network(ESN)模型的光學電腦，隱藏層中的類神經元都是由兩個耦合器、光纖和摻鉺光纖放大器所組成。在我們的研究中，我們使用EDFA來提供非線性函數。最後我們透過幾項信號辨識任務 : 無雜訊三角波方波之信號辨識、含雜訊三角波方波之信號辨識、不同頻率之弦波信號辨識，來證明我們設計之光學電腦的可行性。

摘要(英)

In this thesis, we use optical communication simulation software to build an optical neural network system based on Echo State Network(ESN) model. The optical neurons in the system consist of directional couplers, optical fibers, and the erbium-doped optical fiber amplifiers (EDFA). The nonlinear activation function of optical neuron can be obtained by EDFA.
To evaluate the performance of our optical neural network system, we illustratting its performance on tasks of Signal classification. Such as signal classification of triangular and retangular waveforms with and without noise and signal classification of sine waveforms with different frequencies.

關鍵字(中)

★ 類神經網路
★ 光學電腦

關鍵字(英)

★ optical
★ neural networks

論文目次

摘要 D
Abstract E
致謝 F
目錄 G
圖目錄 K
表目錄 O
第一章序論 1
1.1 研究動機與目的 1
1.2 相關文獻與回顧 2
1.3 結論 6
第二章基礎理論介紹 7
2.1 類神經網路介紹 7
2.1.1 類神經網路歷史[17-20] 7
2.1.2 類神經網路模型RNN 8
2.1.3 類神經網路模型ESN 10
2.2 光纖通訊軟體OptSim介紹 11
2.3 光纖通訊元件介紹[32-35] 12
2.3.1 摻鉺光纖放大器 12
2.3.2 耦合器(2x2) 14
2.4 結論 15
第三章研究方法 16
3.1 類神經元之設計 16
3.2 輸出權重值與隱藏層輸出關係 18
3.3 結構設計與模擬流程 21
3.3.1 單層結構(單層交錯神經元) 21
3.3.2 雙層結構(雙層交錯交錯神經元) 24
3.3.3 模擬流程 27
3.4 測試任務 28
3.5 輸出理論值之定義與結構評估方法 34
3.6 結論 36
第四章結構設計比較與測試結果 37
4.1任務一:三角波與方波之訊號辨識結果 37
4.1.1 單層交錯神經元結構 38
4.1.2 單層獨立神經元結構 41
4.1.3 雙層交錯交錯神經元結構 43
4.1.4 雙層獨立獨立神經元結構 46
4.1.5 雙層交錯獨立神經元結構 48
4.1.6 雙層獨立交錯神經元結構 51
4.1.7 雙層前後交錯交錯神經元結構 53
4.1.8 雙層前後交錯獨立神經元結構 56
4.1.9 小結 59
4.2 任務二: 含雜訊三角波與方波之訊號辨識結果 60
4.2.1 所有結構辨識之結果 63
4.2.2 小結 67
4.3任務三:不同頻率弦波訊號辨識之結果 68
4.3.1 單層交錯神經元之辨識結果 70
4.3.2 單層獨立神經元之辨識結果 73
4.3.3 雙層交錯交錯神經元之辨識結果 76
4.3.4 雙層獨立獨立神經元之辨識結果 79
4.3.5 雙層交錯獨立神經元之辨識結果 81
4.3.6 小結 84
4.4 結論 86
第五章結論與未來工作 89
5.1 總結 89
5.2 未來工作 91
參考文獻 93
附錄 98

參考文獻

[1] Xiao-Qian Sun, Hua-Wei Shen and Xue-Qi Cheng, “Trading Network Predicts Stock Price, ” Scientific Reports 4, 3711(2014).
[2] N. Baba and M. Kozakai, ” An intelligent forecasting system of stock price using neural networks, ” IJCNN 92, 371 (1992).
[3]林逸塵, “類神經網路應用於空氣品質預測之研究,” 碩士論文, 國立中山大學環境工程研究所, (2002).
[4] I. A. Maaly and M. El-Obaid, “Speech Recognition using Artificial Neural Network, ” International Conference on Information & Communication Technologies 2, 1246(2006)
[5] D. Psaltis, A. Yamamura, K. Hsu, S. Lin, X.G Gu and D. Brady, “Optoelectronic Implementations of Neural Networks, ” IEEE Communications Magazine 27, 37(1989)
[6] I. Shariv and A. A. Friesem, “All-optical neural network with inhibitory neurons, ” OPTICS LETTERS 14, 485(1989)
[7] H. Jaeger, “The ‘Echo State’ approach to analysing andtraining
recurrent neural networks, ” GMD Report 148, German National Research
Center for Information Technology, (2001).
[8] H. Jaeger and H.Haas, “Harnessing Nonlinearity: Predicting Chaotic Systems and Saving Energy in Wireless Communication, ” Science 304, 78(2004).
[9] L.Appeltant, M.C.Soriano, G.Van der Sande, J.Danckaert, S.Massar, J. Dambr, B.Schrauwen, C.R.Mirasso and I. Fischer, “Information Processing using a Single Dynamical Node as Complex System, ” Nature Communications 2, 468(2011).
[10] Y. Paquot, F. Duport, A. Smerieri, J. Dambre, B. Schrauwen, M.Haelterman and S. Massar, “Optoelectronic Reservoir Computing, ” Scientific Reports 2, 287(2012).
[11] F. Duport, A. Smerieri, M.Haelterman, S. Massar and B. Schrauwen, “All-optical Reservoir Computing, ” Optics Express 20, 22783(2012).
[12] S. Ortin1, M. C. Soriano, L. Pesquera1, D. Brunner, D. San-Martin, I. Fischer, C. R. Mirasso and J. M. Gutierrez, “A Unified Framework for Reservoir Computing and Extreme Learning Machines based on a Single Time-delayed Neuron, ” Scientific Reports 5, 14945(2015).
[13] G. B. Huang, Q. Y. Zhu, and C. K. Siew, “Extreme Learning Machine:a New Learning Scheme of Feedforward Neural Networks, ” IEEE 49 International Joint Conference on Neural Networks 2, 985 (2004).
[14] A. Dejonckheere, F. Ois Duport, A. Smerieri, Li Fang, J.L. Oudar, M. Haelterman and S. Massar, “All-optical Reservoir Computer based on Saturation of Absorption, ” Optics Express 22, 10868(2014).
[15] R.M. Nguimdo, E. Lacot, O. Jacquin, O Hugon, G. Van Der Sande and H. Guillet De Chatellus, “Prediction Performance of Reservoir Computing Systems based on a Diode-Pumped Erbium-Doped Microchip Laser Subject to Optical Feedback, ” Optics Letters 42, 375(2016).
[16] F. DuportDejonckheere, A. Smerieri, A. Akrout, M. Haelterman and S. Massar, “Fully Analogue Photonic Reservoir Computer, ” Scientific Reports 6, 22381(2016).
[17]羅華強, “類神經網路-MATLAB 的應用, ” 高立圖書有限公司,
(2005).
[18]蔡瑞煌, “類神經網路概論, ” 三民書局, (1995).
[19]葉怡成, “類神經網路模式應用與實作, ” 儒林圖書有限公司,
(1995).
[20]伊相志, “SQL Server 2008 Data Mining資料採礦, ” 悅知文化, (2009)
[21] J. J. Hopfield, “Neural networks and physical systems with emergent
collective computational abilities, ” Proceedings of the National Academy
of Sciences of the USA 79, 2554(1982).
[22] Y. Chauvin and D. Rumelhart“, Backpropagation: theory,
architectures, and applications, ” Hillsdale: HJ: Lawrence Erlbaum,
(1995).
[23] T. Panayiotou, S. P. Chatzis, and G. Ellinas, “Performance Analysis of a Data-Driven Quality-of-Transmission Decision Approach on a Dynamic Multicast-Capable Metro Optical Network, ” Journal of Optical Communications and Networking 9, 98(2017).
[24] R. J. Williams and D. Zipser, “A Learning Algorithm for Continually Running Fully Recurrent Neural Networks, ” Neural Computation 1, 270(1989).
[25] F. Duport, A. Smerieri, A. Akrout, M. Haelterman, and S. Massar,
“Virtualization of a Photonic Reservoir Computer, ” JOURNAL OF LIGHTWAVE TECHNOLOGY 34, 2085(2016)
[26] J. Steil, “Memory in backpropagation–decorrelation: O(N) efficient
online recurrent learning, ” In Proceedings of the International Conference
on Artificial Neural Networks 3697 ,649 (2005).
[27] W. Maass, T. Natschlaeger, and H. Markram, “Real-time computing
without stable states: a new framework for neural computation based on 50 perturbations, ” Neural Computation 14(11), 2531 (2002).
[28] S. Roy, A. Banerjee and A. Basu, “Liquid State Machine With Dendritically Enhanced Readout for Low-Power, Neuromorphic VLSI Implementations, ” IEEE Transactions on Biomedical Circuits and Systems 8, 681(2014).
[29]Y. Zhang, P. Li and Y. Jin, ” A Digital Liquid State Machine With Biologically Inspired Learning and Its Application to Speech Recognition, ” IEEE Transactions on Biomedical Circuits and Systems 26, 2635(2015).
[30] M. Luko?evi?ius, “A practical guide to applying echo state network, ” Neural Networks: Tricks of the Trade 7700, 659 (2012).
[31] M. Luko?evi?ius, H. Jaeger, ”Reservoir computing approaches to
recurrent neural network training, ” Computer Science Review 3, 127
(2009).
[32]鄒志偉,“光纖通訊,”五南圖書, (2011).
[33]陳瑞鑫,陳鴻仁和林依恩, “光通訊原理與技術, ” 金華科技圖書股份有限公司, (2004).
[34]曾文宏, “增益平坦化長波段摻鉺光纖放大器之研究, ” 碩士論文, 國立中山大學光電工程研究所, (2000).
[35] Synopsys, Inc. “OptSim Models Reference Volume II Block Mode.”
[36]周達業, “神經網路光學電腦, ” 碩士論文, 國立中央大學光電工程研究所, (2017).

指導教授

陳啟昌(Chii-Chang Chen)

審核日期

2018-8-8

推文