فهرست نشریات علمی دسترسی آزاد ایران

دروازه‌های منطقی تمام نوری اصلی‌ترین واحد در سیستم‌های پردازشی تمام نوری هستند. ارائه یک روش سریع و کارآمد برای مطالعه رفتار دروازه‌های منطقی تمام نوری با اهمیت بوده و همواره مورد توجه محققان قرار داشته است. در این مقاله از شبکه‌های عصبی رگرسیون کلی (GRNN) و پیش‌بینی خطی (Lin) برای مدلسازی خروجی دروازه منطقی تمام نوری XOR سه ورودی استفاده شده است. نتایج بدست آمده نشان می‌دهند هر دو روش به خوبی می‌توانند رفتار قطعه را مدل‌سازی کنند اما مدت زمان آموزش شبکه عصبی در روش پیش‌بینی خطی با ساختار بهینه حدود 93 ثانیه است که بسیار بیشتر از روش GRNN با مدت زمان آموزش 8 ثانیه می‌باشد. هر دو شبکه پس از آموزش می‌توانند خروجی دروازه مورد نظر را در مدت زمانی کمتر از 1 ثانیه پیش‌بینی نمایند. این زمان در مقایسه با زمان مورد نیاز برای محاسبه خروجی دروازه منطقی XOR که برابر با 12 ثانیه می‌باشد کاهش چشمگیری را در مدل‌سازی این افزاره نشان می‌دهد. در روش GRNN به ازای مقدار گستردگی 001/. بهترین پاسخ با مقادیر خطاهای MAE, RSE, MSE به ترتیب 7-10×97/1، 6-10×95/5 و 4-10×6/1 به دست آمده است. در روش پیش‌بینی خطی با مقدار آموزش اولیه 200 داده کمترین مقادیر خطاهای MAE, RSE, MSE به ترتیب 22-10×11/1 ، 16-10×14/2 و 11-10×11/2 و بهترین خروجی برای مدل‌سازی حاصل شده است. مقدار ضریب همبستگی(R2) بین مقادیر مدل‌سازی شده و مقادیر مطلوب خروجی دروازه منطقی مذکور برای هر دو روش شبکه عصبی برابر با یک می‌باشد که نشان دهنده پیش بینی بسیار خوب در این روش است.