论文部分内容阅读
生物的诸多技能是在个体发育过程中逐渐发展形成的,是生物的一种认知行为。本文从模拟人或动物的技能学习角度出发,构造了一种面向低级认知行为的结构可生长的认知模型,并将其应用于运动平衡技能获取的过程之中,实现了对倒立摆的平衡控制,取得的主要研究成果如下: （1） 本文依据神经生理学部分研究成果,构造了一种结构可生长的技能认知模型(Cognitive Model with Growing Structure,简称CMgs)。CMgs具有模拟生物系统反射弧的简单结构RC,包括传入神经、中枢神经和传出神经,尤其是其中枢神经工作域的网络结构与神经元数量可以增长。CMgs的认知算法CA包括工作算法WA和组织算法OA:WA通过自组织特征映射的竞争机制,对输入刺激进行模式识别并输出对该刺激的反应;自组织算法OA,要对输入刺激进行自动的模式分类学习,使中枢神经网络自发地找到适合的结构和规模,还要通过对刺激进行锐化或钝化,使每一个神经元所代表区域自组织地逼近其正确响应。（2） CMgs的认知算法CA中,组织算法OA是实现自组织技能获取的关键步骤。本文结合细胞生长结构算法（Growing Cell Structure,简称GCS）构成生长算法GRA,在神经中枢工作域实现对刺激信号的模式分类,通过新神经元的不断生长,自组织地进行演化。同时CMgs采用强化Hebb突触修饰的无监督学习机制RHA,实现不同的神经元以最佳方式响应不同性质的信号刺激。而评价机构EA为GRA和RHA提供指导信息,是二者的基础。（3） 本文将CMgs的结构与算法整合,提出了认知模型在技能学习中的实现方案。CMgs在与对象或环境的交互过程中,通过“行动—评价—改进”的方式,实现自组织的技能学习。文中进行了仿真实验研究表明,采用CMgs能够有效地习得针对开环不稳定的二阶系统的控制技能。文中还将CMgs和模糊控制方案相比较,模糊控制需要事先对经验进行必要的总结,而CMgs可以在无任何先验知识的情况下对控制技能进行自发的学习,并找到适合的网络结构。（4） 本文将CMgs应用于运动平衡控制技能学习之中,构成了面向运动平衡技能的认知模型（Cognitive Model to Motor Balance Skill,简称CMMBS）,模型在学习过程中通过任务完成情况的评估,来指导神经中枢网络的生长与神经元联结权值的修正。本文以运动平衡控制的抽象物理模型——倒立摆为对象,应用CMMBS实现倒立摆的自学习控制,仿真实验表明:CMMBS在自治地与环境的交互作用中,可以通过神经系统自身的发育,自组织的发展运动平衡控制技能。