机构名称：
¥ 1.0
摘要：现代神经网络已在机器人技术方面取得了重大进展，但是这些算法对时间离散化有了隐含的假设。在本文档中，我们认为，通过设计在连续时间和状态中存在的学习算法，并且后来仅将传统计算模型实施算法离散或直接映射到Analog硬件上，可以获得尤其是在机器人技术中获得的好处。我们调查了支持这种方法的四个论证：连续表示为机器人系统提供了统一的功能理论；该算法以温度连续的形式证明了任何时间属性。我们可以利用时间稀疏性来影响传统和模拟硬件的能量效率；这些算法反映了在生物体中进化的智力的实例。此外，我们提出了从继续表示的学习算法。最后，我们讨论了这种方法的机器人先例，并以在机器人系统中使用连续表示的含义得出结论。
建造机器人大脑的建议
主要关键词
相关文件推荐
