[发明专利]一种基于电控刺激下VCSEL-SA的图像识别系统及方法有效

专利信息
申请号: 202110013197.2 申请日: 2021-01-06
公开(公告)号: CN112767501B 公开(公告)日: 2022-07-12
发明(设计)人: 邓涛;倪敏;林晓东;吴正茂;夏光琼;高子叶;唐曦;田涛;肖路遥 申请(专利权)人: 西南大学
主分类号: G06T9/00 分类号: G06T9/00;G06K9/00;G06N3/06;G06N3/067;H04N19/13
代理公司: 北京众合诚成知识产权代理有限公司 11246 代理人: 刘妮
地址: 400715*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 刺激 vcsel sa 图像 识别 系统 方法
【说明书】:

发明提供一种基于电控刺激下VCSEL‑SA的图像识别系统及方法,系统包括图像的Spike编码模块,用于将输入的原始图像信息转换为Spike信号。Spike信号传输模块,用于将图像的Spike编码模块编码的Spike信号同步传输至图像识别模块。基于STDP的突触权重调节模块,基于VCSOA神经突触的STDP响应特性用于实现权重依赖的突触权重调节。图像识别模块,用于响应Spike信号传输模块传输过来的Spike信号,并恢复发射端的原始图像信息。控制与分析测试模块,通过分析比较图像的Spike编码模块和图像识别模块之间的Spike响应信号的差异,调节系统的参量,以保证成功识别图像。本发明基于电控刺激下VCSEL‑SA神经元实现Gb/s二进制随机信号到Spike信号的转换,并通过VCSOA的STDP实现权重依赖的突触权重调节,最终实现图像识别。

技术领域

本发明属于图像识别技术领域,尤其涉及一种基于电控刺激下VCSEL-SA的图像识别系统及方法。

背景技术

传统的冯·诺依曼结构的电子计算机由于内存与功耗原因,无法满足人们日益增长的计算需求,因此,有利于解决复杂计算问题的脑机融合计算和神经拟态系统的深入研究受到了人们的广泛关注。神经拟态系统是模拟生物传感和信息处理神经系统的运作和结构的系统,使用非冯·诺依曼结构来实现仿神经计算,能大大提高系统的算力、降低系统的能耗,具有并行性、冗余性等优点,可以解决许多复杂的计算任务,例如决策、学习和优化、模式识别和感觉信息处理等。其中,光子神经拟态器件因能模拟生物神经的基本特性,且能提供比生物神经快达8个量级的超快脉冲动力学而在高速仿神经计算领域展现出了巨大的应用前景。

特别的是,基于垂直腔面半导体激光器(VCSEL)的光子神经元因具有体积小、成本低、可与现有光网络兼容、易于集成等诸多优点,目前主要聚焦于光学刺激VCSEL光子神经模型的研究,且大多为理论工作,对电控方式的刺激研究较少。此外,光控刺激方式需要额外的光源和调制器,这极大的增加了系统的成本。光信号传输中偏振态的控制也是光控方式真正实现的难点。与普通的光控刺激光子神经方式相比,电控刺激VCSEL光子神经的方式具有以下独特优势:

(1)电控刺激方式可控性更强,不易受外界光信号的干扰。

(2)无需大量的光学器件,可以使整个操控过程更加简单直接,实验平台相对简单。

(3)VCSELs本身具有低成本、低能耗、易于集成至二维/三维阵列、与光纤高的耦合效率、与现有光纤系统兼容等一些独特的优势。

(4)在VCSEL中引入饱和吸收体(SA)后可以构建一个集成的两段式激发激光器,其中增益介质可以作为累积器,而SA可用作判决载流子浓度的阈值探测器。与普通的神经元模型相比,这种集成的累积发放神经模型可产生更短的亚纳秒脉冲,且有利于系统的集成和拓展。

发明内容

本发明的目的在于解决上述现有技术存在的缺陷,提供一种基于电控刺激下VCSEL-SA的图像识别系统及方法。

本发明采用如下技术方案:

一种基于电控刺激下VCSEL-SA的图像识别系统,包括:

图像的Spike编码模块;用于将输入的原始图像信息转换为Spike信号;

Spike信号传输模块;用于将图像的Spike编码模块编码的Spike信号同步传输至图像识别模块;

图像识别模块;用于响应Spike信号传输模块传输过来的Spike信号,并恢复Spike信号传输模块的原始图像信息;

基于STDP的突触权重调节模块;基于VCSOA神经突触的STDP响应特性用于实现权重依赖的突触权重调节;

控制与分析测试模块;通过分析比较图像的Spike编码模块和图像识别模块之间的Spike响应信号的差异,调节系统的参量,以保证成功识别图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南大学,未经西南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110013197.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top