一种适合于光学实现的洗牌型2D全互连多层神经网络模型

提出一种适合于光学实现的洗牌型二维全互连多层神经网络模型。该模型采用神经元的层内局部互连通过层间洗牌级联构成洗牌型神经网络模型的拓扑结构，具有很高的神经元／权重比，可以极大地压缩神经网络的互连权矩阵ＩＷＭ（Ｉｎｔｅｒｃｏｎｎｅｃｔｉｏｎ Ｗｅｉｇｈｔ Ｍａｔｒｉｘ）。推导出适合于洗牌型神经网络模型的修正ＢＰ算法，分析了网络的收敛性、容错性和反馈机制。计算机模拟结果表明，该模型具有稳定性好、收敛快、容错性高等特点。该模型结构整齐、简单，十分适合于神经网络算法的并行化以及光学实现。