第1章  神经形态工程
  1.1  光子脉冲处理
  1.2  神经形态架构的技术平台
  1.3  新兴光子平台面临的挑战
  1.4  计算机光学简史
    1.4.1  光学逻辑
    1.4.2  光学神经网络
    1.4.3  片上光网络
  1.5  应用领域
    1.5.1  实时射频处理
    1.5.2  非线性规划
  1.6  本书的结构
  1.7  参考文献
第2章  脉冲处理和可激发性入门
  2.1  神经网络简介
  2.2  脉冲神经网络
  2.3  脉冲神经元模型
  2.4  可激发性机制
  2.5  参考文献
第3章  光子学入门
  3.1  波导
    3.1.1  弯曲波导
    3.1.2  波导耦合器
    3.1.3  干涉仪
    3.1.4  调制器
    3.1.5  复用
  3.2  光探测器
    3.2.1  光电二极管
    3.2.2  检测噪声
  3.3  光学谐振器
  3.4  激光器
    3.4.1  光物质相互作用
    3.4.2  ⅢⅤ平台
    3.4.3  激光动力学
  3.5  参考文献
第4章  SOA动态的脉冲处理
  4.1  基于SOA的光子神经形态原语
  4.2  光波神经形态电路
    4.2.1  仓鸮听觉定位算法
    4.2.2  小龙虾的翻尾逃逸反应
  4.3  参考文献
第5章  用于统一尖峰脉冲处理的可激发激光器
  5.1  介绍
  5.2  动力学模型
  5.3  可激发激光系统
  5.4  结果
    5.4.1  可激发性
    5.4.2  时间模式识别
    5.4.3  稳定循环电路
  5.5  讨论
  5.6  附录
    5.6.1  光纤激光器仿真
    5.6.2  集成器件仿真
    5.6.3  可激发光纤环形激光腔
  5.7  参考文献
第6章  作为可激发处理器的半导体光子器件
  6.1  两端增益和SA可激发激光器
  6.2  半导体环和微盘激光器
    6.2.1  半导体环形激光器
    6.2.2  微盘激光器
  6.3  二维光子晶体纳米腔
  6.4  谐振隧穿二极管光探测器和激光二极管
  6.5  具有延迟反馈的注入锁定半导体激光器
  6.6  半导体激光器受到光反馈的影响
  6.7  极化反转VCSEL
  6.8  参考文献
第7章  硅光子学
  7.1  SOI波导
  7.2  片外耦合器
  7.3  调制器
  7.4  探测器
  7.5  混合激光源
  7.6  参考文献
第8章  可重构模拟光子网络
  8.1  广播和权重协议
  8.2  处理网络节点
    8.2.1  波分复用加权加法
    8.2.2  总功率检测
    8.2.3  非线性电/光转换
  8.3  广播环路
  8.4  多重广播环路
  8.5  讨论
  8.6  总结
  8.7  参考文献
第9章  光子权重库
  9.1  演示
  9.2  MRR权重库的控制
    9.2.1  设置和方法
    9.2.2  单通道连续控制
    9.2.3  多通道同步控制
  9.3  MRR通道间的相干效应
  9.4  光子权重库的定量分析
    9.4.1  串扰权重功率代价指标
    9.4.2  权重库通道限制
  9.5  WDM加权的数学描述
  9.6  可调谐波导器件的仿真技术
    9.6.1  广义传输理论
    9.6.2  参数化传输模拟器
  9.7  附录：高级权重库设计
  9.8  附录：基本微环特性
    9.8.1  光学表征
    9.8.2  调谐效率
    9.8.3  故障表征
    9.8.4  驱动器设计
  9.9  参考文献
第10章  处理网络节点
  10.1  PNN的演示
  10.2  PNN的理论研究
    10.2.1  电子突触
    10.2.2  激光神经元
    10.2.3  讨论
  10.3  其他PNN的表述方式
    10.3.1  O/E/O PNNs的分类
    10.3.2  O/E/O和全光PNN的比较
    10.3.3  全光PNNs
  10.4  参考文献
第11章  系统架构
  11.1  广播和加权系统
    11.1.1  广播拓扑
    11.1.2  加权并继续的级联库
  11.2  延时动力学的权重库控制
  11.3  小型光子神经网络
  11.4  多重广播环路系统
    11.4.1  广义接口PNN
    11.4.2  作为嵌入图的多重广播环路
    11.4.3  多重广播环路嵌入到功能网络的映射
    11.4.4  功能网络到多重广播环路嵌入的映射
    11.4.5  使用Nengo的设计实例
    11.4.6  一般系统的初步结构指南
  11.5  容错性
  11.6  参考文献
第12章  神经网络学习原理
  12.1  主成分分析（PCA）
    12.1.1  PCA的数学公式
    12.1.2  Oja定律
  12.2  独立成分分析（ICA）
  12.3  使用STDP和IP的无监督学习
    12.3.1  突触时间依赖性的可塑性
    12.3.2  内在可塑性
    12.3.3  使用SDTP和IP进行独立成分分析
  12.4  光子学习电路的实验进展
    12.4.1  光子PCA
    12.4.2  光子STDP
  12.5  参考文献
第13章  光子储层计算
  13.1  储层计算
    13.1.1  线性分类器和储层
    13.1.2  基于网络的储层计算
    13.1.3  基于延迟的储层计算
  13.2  光子储层计算
    13.2.1  具有单个动态节点的储层计算
    13.2.2  利用硅光子芯片进行储层计算
  13.3  讨论
  13.4  参考文献
第14章  神经形态平台比较
  14.1  简介
  14.2  技术比较
    14.2.1  电子和光子神经硬件架构
    14.2.2  速度：带宽和延时
    14.2.3  功耗：能量和噪声
    14.2.4  尺寸：器件密度和可扩展性
    14.2.5  网络：通道和拓扑限制
  14.3  参考文献