机构名称：
¥ 1.0
摘要：现代神经科学中的挑战之一是创建一个脑介绍。基于在体外生长的神经网络的这种半小型设备在体外生长时应与环境相互作用。这项工作中的一个关键点是开发一种能够进行联想学习的神经网络体系结构。这项工作提出了一个中尺度模块化尖峰神经网络（SNN）的数学模型，以在脑线芯片环境中研究学习机制。我们表明，除了峰值依赖性可塑性（STDP）外，突触和神经元竞争是成功学习的关键因素。此外，最短的途径规则可以实施负责处理来自环境的有条件刺激的突触竞赛。该解决方案已准备好在神经元文化中进行测试。可以通过对负责无条件反应的SNN模量进行横向抑制来实施神经元竞争。对这种方法的经验测试具有挑战性，需要开发一种具有给定兴奋性和抑制性神经元比的培养物的技术。我们测试了移动机器人中嵌入的模块化SNN，并表明它可以在触摸（无条件）和超声波（条件）传感器之间建立关联。然后，机器人只能依靠超声传感器避免障碍而不会击中障碍。
具有机器人实施例的模块化尖峰神经网络中的空间计算
主要关键词
相关文件推荐
