使用LSTM循环神经网络表征视觉引导预测控制中的信息时间动态
摘要：视觉引导行为的理论解释了在可靠的视觉信息源存在的情况下的在线控制和预测控制，以补偿视运动延迟和暂时遮挡。在本研究中，我们使用计算模型描述了信息整合窗口与预测距离之间的时间关系。实验对象被置于模拟环境中，并试图在飞行过程中抓住被瞬间“空白”的虚拟球。我们训练了循环神经网络以在空白期间重现实验对象的凝视和手部运动。模型成功预测了凝视行为在3度以内和手部运动在500毫秒内的8.5厘米范围内，整合窗口短至27毫秒。此外，我们通过切除研究量化了每个信息输入源对运动输出的贡献。该模型证明了预测作为一个在时间上集成信息与时间上相隔较远的运动输出之间的离散映射的概念。
作者：Kamran Binaee, Anna Starynska, Jeff B Pelz, Christopher Kanan, Gabriel Jacob Diaz
论文ID：1805.05946
分类：Other Computer Science
分类简称：cs.OH
提交时间：2018-05-17