论文部分内容阅读
自然生命或生物系统的诸多技能是生物个体在发育成长过程中渐进地形成和发展起来的。技能的形成和发展过程是生物系统的认知过程,是自然生命认知能力的体现。理解和模拟自然生命的认知行为,并将这种行为赋予人工生命或人工系统是认知科学、人工智能和机器人学的重要课题。本文对经典条件反射认知模型及其在运动控制系统中的应用进行了研究,取得的主要成果有: 第一:基于尖峰神经元的条件反射模型。本文建立了一种以尖峰神经元为基本元素的经典条件反射模型(Classical Conditioning Model with Spiking Neurons,CCMsn)。在CCMsn模型中,各神经元互联形成具有反射弧结构的神经网络。尖峰神经元用时间来计算和交流信息,这使CCMsn模型能充分表现经典条件反射对时间的依赖性。论文基于有衰减项的Hebb突触修饰规则和蜜蜂脑部认知结构设计了反映“刺激-响应-强化”特征的强化学习算法,使CCMsn模型具有经典条件反射行为和认知行为。论文应用CCMsn模型成功地模拟了习得、刺激间隔效应、遗忘、阻止和二阶条件反射等典型现象。第二:基于CCMsn模型的运动控制技能认知算法。本文研究了基于CCMsn模型的运动控制系统(Motor Control System,MCS)和运动控制技能认知算法(Motor Skill Cognitive Algorithm,MSCA)。在运动控制技能的认知过程中,首先建立控制对象模型,用于CCMsn模型的训练和系统仿真试验;然后根据控制对象和控制目标的具体情况确定认知对象各状态的无条件刺激范围和条件刺激范围;最后进行经典条件反射训练。运动控制技能的形成和发展是生命个体学习和认知的过程,条件反射的形成是一个认知的过程,CCMsn模型的结构和算法具有神经生理学和认知科学依据,因此MSCA算法能使技能的获取表现出生物系统的发育和进化的自组织特征,使机器主体(Robotic Agent)自发地学会控制技能。第三:基于CCMsn模型和MSCA算法的倒立摆控制本文以倒立摆为具体控制对象,设计了基于CCMsn模型和MSCA算法的控制系统。根据倒立摆的具体情况,将CCMsn模型的反射机构分为正负两部分。根据控制目标,设计了认知评价函数,用于评价CCMsn模型的认知效果。在实验初期,CCMsn模型只对无条件刺激产生响应,即只在摆杆超过设定值时才对