具有机器人实体的结构化脉冲神经网络中的空间计算
摘要：用活细胞培养出的神经网络创建一个“活计算机”是现代神经科学的一个挑战。这种人工设备在被植入机器人后，应该能够执行神经计算任务并与环境进行交互。最近的研究发现了实现联想学习的神经网络架构的最关键问题。本研究提出了一个由单向耦合连接的脉冲神经网络构成的模块化架构模型。我们展示了该模型能够根据巴甫洛夫条件反射来训练神经机器人。机器人在避障任务中的表现取决于网络间耦合中权重的比例。我们还展示了除了时序依赖塑性以外，突触和神经元竞争也是成功学习的关键因素。我们使用了最近发现的最短径规则来实现突触竞争。这种方法已经准备进行实验测试。强抑制性耦合实现了对无条件响应子网络的神经元竞争。这种方法的实证测试需要一种目前尚不可用的以指定的兴奋性和抑制性神经元比例培养神经网络的技术。另一种方法是通过硬件记忆电阻连接来构建一个由离体神经网络耦合而成的混合系统。
作者：Sergey A. Lobov, Alexey N. Mikhaylov, Ekaterina S. Berdnikova, Valeri A. Makarov, Victor B. Kazantsev
论文ID：2112.07150
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2023-01-04