[发明专利]非线性激活函数、训练方法、装置、电子设备及存储介质

权利要求书

1.一种非线性激活函数，应用于光学神经网络，其特征在于，所述非线性激活函数包括：光电探测器、激光器以及半导体光放大器；所述光电探测器分别与所述光学神经网络的上一层神经元以及所述半导体光放大器连接，所述半导体光放大器分别与所述光学神经网络的下一层神经元、所述光电探测器以及所述激光器连接；

所述光电探测器，用于接收所述上一层神经元输出的目标信号，对所述目标信号进行处理，得到输出信号，并将所述输出信号传输至所述半导体光放大器；

所述激光器，用于向所述半导体光放大器发送光信号；

所述半导体光放大器，用于接收所述光电探测器发送的输出信号以及所述激光器发送的光信号，根据所述输出信号以及所述光信号得到输出光信号，并将所述输出光信号发送至所述光学神经网络的下一层神经元。

2.根据权利要求1所述的非线性激活函数，其特征在于，所述光电探测器，具体用于

将所述目标信号转换为光电流，并将所述光电流传输至所述半导体光放大器；

所述目标信号为光功率。

3.根据权利要求1所述的非线性激活函数，其特征在于，所述激光器，具体用于

每间隔设定时间间隔，和/或响应于所述光电探测器的输出信号的传输指令，向所述半导体光放大器发送光信号。

4.根据权利要求1所述的非线性激活函数，其特征在于，所述半导体光放大器，具体用于

将所述光电探测器发送的输出信号确定为控制信号，将所述激光器发送的光信号确定为输入光信号；

当所述控制信号大于设定电流阈值时，对所述输入光信号进行放大处理，得到所述输出光信号。

5.根据权利要求1所述的非线性激活函数，其特征在于，

所述光学神经网络的上一层神经元为卷积层，所述光学神经网络的下一层神经元为卷积层或者全连接层。

6.一种光学字符识别模型的训练方法，所述光学字符识别模型激活函数为如权利要求1-5中任一项所述的非线性激活函数，其特征在于，所述方法包括：

将目标训练集输入至光学字符识别网络的第一输入层，得到第一光学输出结果，并将所述第一光学输出结果传输至所述非线性激活函数；

通过所述非线性激活函数对所述第一光学输出结果进行处理，得到激活结果，并将所述激活结果传输至所述光学字符识别网络的下一输入层；

继续执行将下一光学输出结果传输至所述非线性激活函数的操作，直至所述光学字符识别网络的最后一层。

7.根据权利要求6所述的方法，其特征在于，所述光学字符识别网络包括：

至少两个卷积层以及至少两个全连接层。

8.一种光学字符识别模型的训练装置，所述光学字符识别模型激活函数为如权利要求1-5中任一项所述的非线性激活函数，其特征在于，所述装置包括：

第一训练模块，用于将目标训练集输入至光学字符识别网络的第一输入层，得到第一光学输出结果，并将所述第一光学输出结果传输至所述非线性激活函数；

第二训练模块，用于通过所述非线性激活函数对所述第一光学输出结果进行处理，得到激活结果，并将所述激活结果传输至所述光学字符识别网络的下一输入层；

第三训练模块，用于继续执行将下一光学输出结果传输至所述非线性激活函数的操作，直至所述光学字符识别网络的最后一层。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求6或7中任一项所述的光学字符识别模型的训练方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求6或7中任一项所述的光学字符识别模型的训练方法。