1.一种基于类卷积编码的强化前馈神经网络系统,其特征在于:
包括输入层、隐藏层和输出层,
所述输入层包括双通道任意波形发生器、调制器和光耦合器,所述双通道任意波形发生器用于并行产生原始信号和基于类卷积编码的编码信号,所述调制器用于调制所述原始信号和基于类卷积编码的编码信号得到输出信号,所述光耦合器用于将所述调制器偏振调整后的输出耦合注入到所述隐藏层;
所述隐藏层和所述光耦合器连接,包括垂直腔面发射激光器和光环形器,所述垂直腔面发射激光器具有双偏振态,双偏振态形成的双通道用于实现并行计算,所述光环形器用于确保光路单向传播,所述垂直腔面发射激光器的输出光经所述光环形器注入所述输出层;
所述输出层和所述光环形器连接,包括偏振分束器和两个光电探测器,所述偏振分束器用于将隐藏层的输出光分成两路相互正交的偏振光;两个所述光电探测器分别与所述偏振分束器分成的两路偏振光相连,用于产生所述垂直腔面发射激光器的X偏振态的输出电信号和所述垂直腔面发射激光器的Y偏振态的输出电信号。
2.根据权利要求1所述的基于类卷积编码的强化前馈神经网络系统,其特征在于:所述输入层还包括驱动激光器、可变光衰减器和输入层偏振控制器,所述驱动激光器用于产生光载波,所述光载波用于加载输入信号,通过所述调制器调制所述驱动激光器的输出光;
所述可变光衰减器用于调控输入信号的功率,和用于调节驱动激光器的输出光的光强;
所述输入层偏振控制器用于调整输入信号的偏振态,所述调制器的输出信号经所述输入层偏振控制器调整偏振态后在所述光耦合器中耦合得到输入层的输入信号。
3.根据权利要求1所述的基于类卷积编码的强化前馈神经网络系统,其特征在于:所述原始信号经掩码设置,所述掩码设置为二值掩码信号、多值掩码信号或混沌掩码信号。
4.根据权利要求1所述的基于类卷积编码的强化前馈神经网络系统,其特征在于:所述输出层还包括输出层偏振控制器和可编程门阵列,所述隐藏层的输出光通过所述输出层偏振控制器调控所述垂直腔面发射激光器的输出光的偏振态;所述光电探测器接收光信号并将光信号转化为电信号,所述可编程门阵列和所述光电探测器的一端连接;所述可编程门阵列接收和训练所述电信号,产生所述隐藏层的输出权重。
5.根据权利要求4所述的基于类卷积编码的强化前馈神经网络系统,其特征在于:所述可编程门阵列基于岭回归算法或线性回归算法训练所述电信号。
6.根据权利要求1所述的基于类卷积编码的强化前馈神经网络系统,其特征在于:所述基于类卷积编码的编码信号通过类卷积编码提取原始信号在时间维度上的特征,为基于类卷积编码的强化前馈神经网络系统提供记忆能力。
7.根据权利要求1-6任一项所述的基于类卷积编码的强化前馈神经网络系统,其特征在于:所述基于类卷积编码的编码信号的形成过程为:式中,
8.根据权利要求7所述的基于类卷积编码的强化前馈神经网络系统,其特征在于:所述卷积核系数随着
9.根据权利要求1-6任一项所述的基于类卷积编码的强化前馈神经网络系统,其特征在于:所述基于类卷积编码的强化前馈神经网络系统建立的速率方程为:式中,下标
10.根据权利要求9所述的基于类卷积编码的强化前馈神经网络系统,其特征在于:所述调制器注入到垂直腔面发射激光器X偏振态的输出信号和调制器注入到垂直腔面发射激光器Y偏振态的输出信号的计算方法为:式中,|