Optoelektroniczne modelowanie sieci neuronowej cz. 1
-
Upload
mikolaj-olszewski -
Category
Technology
-
view
149 -
download
0
Transcript of Optoelektroniczne modelowanie sieci neuronowej cz. 1
Optoelektroniczne modelowanie Optoelektroniczne modelowanie sieci neuronowejsieci neuronowej
Mikołaj OlszewskiMikołaj Olszewski
promotor: dr A. Domańskipromotor: dr A. Domański
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 22
Plan prezentacjiPlan prezentacji
WstępWstęp
Sztuczne sieci neuronoweSztuczne sieci neuronowe
Optoelektroniczne implementacjeOptoelektroniczne implementacje
Prace w Zakładzie OptykiPrace w Zakładzie Optyki
Praca magisterskaPraca magisterska
PodsumowaniePodsumowanie
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 33
DziedzinaDziedzina
Interdyscyplinarna dziedzina badań SSNInterdyscyplinarna dziedzina badań SSNBadania nad matematycznym opisem Badania nad matematycznym opisem komórki nerwowej – przetwarzanie danychkomórki nerwowej – przetwarzanie danychKomputery a mózgKomputery a mózg– Przetwarzanie numerycznePrzetwarzanie numeryczne– Zadania obliczeniowe – rozpoznawanieZadania obliczeniowe – rozpoznawanie– Wolne i niedokładne neuronyWolne i niedokładne neurony– Szeregowość / równoległośćSzeregowość / równoległość
Powszechne zainteresowanie SSNPowszechne zainteresowanie SSN
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 44
Neuron biologicznyNeuron biologiczny
System nerwowy: 10System nerwowy: 101818 komórek, sieci: 10 komórek, sieci: 101111 komórek komórekPotencjały czynnościowe: A = 100 mV, t = 1msPotencjały czynnościowe: A = 100 mV, t = 1ms
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 55
Neuron matematycznyNeuron matematyczny
Odpowiadające własnościOdpowiadające własności
Przetwornik sygnałówPrzetwornik sygnałów
Modele statyczneModele statyczne∑
=
==m
i
Tii uwuw
1
ϕ
( )ϕfy =
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 66
Plan prezentacjiPlan prezentacji
WstępWstęp
Sztuczne sieci neuronoweSztuczne sieci neuronowe
Optoelektroniczne implementacjeOptoelektroniczne implementacje
Prace w Zakładzie OptykiPrace w Zakładzie Optyki
Praca magisterskaPraca magisterska
PodsumowaniePodsumowanie
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 77
ZadaniaZadania
AutoasocjacjaAutoasocjacja
HeteroasocjacjaHeteroasocjacja
KlasyfikacjaKlasyfikacja
Detekcja regularnościDetekcja regularności
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 88
ArchitekturyArchitektury
Sieci jednokierunkoweSieci jednokierunkowe
Sieci rekurencyjneSieci rekurencyjne
Sieci komórkoweSieci komórkowe
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 99
Metody uczeniaMetody uczenia
Uczenie nadzorowaneUczenie nadzorowane– Z nauczycielemZ nauczycielem– Z krytykiemZ krytykiem
Uczenie nienadzorowaneUczenie nienadzorowane– Samoorganizujące sięSamoorganizujące się– KonkurencyjneKonkurencyjne
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 1010
Plan prezentacjiPlan prezentacji
WstępWstęp
Sztuczne sieci neuronoweSztuczne sieci neuronowe
Optoelektroniczne implementacjeOptoelektroniczne implementacje
Prace w Zakładzie OptykiPrace w Zakładzie Optyki
Praca magisterskaPraca magisterska
PodsumowaniePodsumowanie
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 1111
PodstawyPodstawy
Optyka nieliniowaOptyka nieliniowa– Absorpcja dwufotonowaAbsorpcja dwufotonowa– Wymuszone rozpraszanie RamanaWymuszone rozpraszanie Ramana
– Mieszanie 4 fal Mieszanie 4 fal
Optyka fotorefrakcyjnaOptyka fotorefrakcyjna
Optyka ciekłych kryształówOptyka ciekłych kryształów
Optyka zintegrowanaOptyka zintegrowana
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 1212
Matryca diodMatryca diod
Układy zintegrowaneUkłady zintegrowane
VCSELVCSEL
Elektroniczne wagiElektroniczne wagi
Równoległość światłaRównoległość światła
Precyzja i kontrola Precyzja i kontrola elektronikielektroniki
PerceptronPerceptron
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 1313
Połączenia holograficznePołączenia holograficzne
Sieć HopfieldaSieć Hopfielda
Stałe połączenia Stałe połączenia holograficzneholograficzne
Wagi: fourierowskie Wagi: fourierowskie subhologramy planarnesubhologramy planarne
Optoelektroniczne Optoelektroniczne neuronyneurony
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 1414
Sieć refrakcyjnaSieć refrakcyjna
Pamięci holograficzne do 1 GbPamięci holograficzne do 1 Gb
Kryształy fotorefrakcyjne – dynamiczny zapisKryształy fotorefrakcyjne – dynamiczny zapis
Mapa KohonenaMapa Kohonena
N referencyjnych, M uczących, N x M połączeńN referencyjnych, M uczących, N x M połączeń
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 1515
Plan prezentacjiPlan prezentacji
WstępWstęp
Sztuczne sieci neuronoweSztuczne sieci neuronowe
Optoelektroniczne implementacjeOptoelektroniczne implementacje
Prace w Zakładzie OptykiPrace w Zakładzie Optyki
Praca magisterskaPraca magisterska
PodsumowaniePodsumowanie
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 1616
Neuron optoelektronicznyNeuron optoelektroniczny
Kontrola poziomu sygnału wysyłanego do sieciKontrola poziomu sygnału wysyłanego do sieciNieliniowa transmisja komórki LCNieliniowa transmisja komórki LC
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 1717
Smart pixelSmart pixel
Komórka LC – waga i element progowyKomórka LC – waga i element progowy
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 1818
DoświadczenieDoświadczenie
Czujniki ciśnienia, Czujniki ciśnienia, teperatury, pH (x2)teperatury, pH (x2)
Zastąpienie Zastąpienie charakterystykami charakterystykami progowymi:progowymi:– pHpH1 1 = 5 (10= 5 (10μμW)W)
– pHpH2 2 = 8 (20= 8 (20μμW)W)
– T = 40 T = 40 ooC (40C (40μμW)W)
– p = 0,8 MPa (80p = 0,8 MPa (80μμW)W)
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 1919
WynikiWyniki
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 2020
Plan prezentacjiPlan prezentacji
WstępWstęp
Sztuczne sieci neuronoweSztuczne sieci neuronowe
Optoelektroniczne implementacjeOptoelektroniczne implementacje
Prace w Zakładzie OptykiPrace w Zakładzie Optyki
Praca magisterskaPraca magisterska
PodsumowaniePodsumowanie
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 2121
MotywacjaMotywacja
Fascynacja neuronowym przetwarzaniemFascynacja neuronowym przetwarzaniem
Zainteresowania z zakresu optoelektronikiZainteresowania z zakresu optoelektroniki
Chęć stworzenia działającego urządzeniaChęć stworzenia działającego urządzenia
Możliwość wykorzystaniaMożliwość wykorzystania
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 2222
TreśćTreść
Realizacja optoelektronicznej sieci Realizacja optoelektronicznej sieci neuronowejneuronowej
Zastosowanie do przetwarzania obrazów z Zastosowanie do przetwarzania obrazów z tomografii optycznejtomografii optycznej
Zastosowanie do przetwarzania danych z Zastosowanie do przetwarzania danych z systemu wielu czujnikówsystemu wielu czujników
Wykorzystanie elementów Wykorzystanie elementów ciekłokrystalicznychciekłokrystalicznych
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 2323
Plan prezentacjiPlan prezentacji
WstępWstęp
Sztuczne sieci neuronoweSztuczne sieci neuronowe
Optoelektroniczne implementacjeOptoelektroniczne implementacje
Prace w Zakładzie OptykiPrace w Zakładzie Optyki
Praca magisterskaPraca magisterska
PodsumowaniePodsumowanie
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 2424
SSNSSN
Modelowanie układów biologicznychModelowanie układów biologicznych
Efektywne układy obliczenioweEfektywne układy obliczeniowe
Zastosowania:Zastosowania:– Zadania optymalizacjiZadania optymalizacji
– Teoria sterowaniaTeoria sterowania– Diagnostyka obiektów technicznychDiagnostyka obiektów technicznych
– Rozpoznawanie wzorcówRozpoznawanie wzorców
dyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PWdyplomant: Mikołaj Olszewski, promotor: dr A. Domański, WF PW 2525
BibliografiaBibliografiaJ. Korbicz, A.Obuchowicz, D. Uciński, J. Korbicz, A.Obuchowicz, D. Uciński, Sztuczne sieci neuronoweSztuczne sieci neuronowe, Akademicka , Akademicka Oficyna Wydawnicza PLJ, Warszawa, 1994Oficyna Wydawnicza PLJ, Warszawa, 1994S. Osowski, S. Osowski, Sieci neuronowe w ujęciu algorytmicznymSieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa, 1996, WNT, Warszawa, 1996C. Denz, C. Denz, Optical neural networksOptical neural networks, 1998, 1998K. Maier, C. Beckstein, R. Blickhan, W. ErhardK. Maier, C. Beckstein, R. Blickhan, W. Erhard, , Standard cell-based Standard cell-based implementation of a digital optoelectronic neural-network hardwareimplementation of a digital optoelectronic neural-network hardware,, w „ w „Applied Applied OpticsOptics””, t. 40, nr 8, t. 40, nr 8, 2001, 2001P. Keller, A. GmitroP. Keller, A. Gmitro, , Design and demonstration of an opto-electronic neural Design and demonstration of an opto-electronic neural network using fixed planar holographic interconnectsnetwork using fixed planar holographic interconnects, w „, w „Optical ComputingOptical Computing””,, t. 6t. 6, 1996, 1996Y. Frauel, G. Pauliat, A. Villing, G. RoosenY. Frauel, G. Pauliat, A. Villing, G. Roosen, , High-capacity photorefractive High-capacity photorefractive neural network implementing a Kohonen topological mapneural network implementing a Kohonen topological map, w „, w „Applied OpticsApplied Optics””,, t.t. 40, 200140, 2001A. Domański, M. Karpierz, W. Konopka, T. Nasiłowski, M. Świłło, M. A. Domański, M. Karpierz, W. Konopka, T. Nasiłowski, M. Świłło, M. Sierakowski, T. Woliński, Sierakowski, T. Woliński, Zastosowanie optoelektronicznych sieci Zastosowanie optoelektronicznych sieci neuronowych do przetwarzania sygnałów z czujników światłowodowychneuronowych do przetwarzania sygnałów z czujników światłowodowych, w „V , w „V Konferencja: Światłowody i ich zastosowanie”, Białowieża, 1998Konferencja: Światłowody i ich zastosowanie”, Białowieża, 1998
Optoelektroniczne modelowanie Optoelektroniczne modelowanie sieci neuronowejsieci neuronowej
Dziękuję za uwagęDziękuję za uwagę