机构名称：
¥ 1.0
现代神经科学的挑战之一是创建基于体外神经网络的“活计算机”。这样的人造装置应该执行神经计算任务，并在体现在机器人中时与环境相互作用。最近的研究确定了最关键的挑战，即寻找神经网络体系结构来实施关联学习。这项工作提出了一个模块化体系结构模型，该模型通过单向耦合连接的尖峰神经网络。我们表明该模型可以根据Pavlovian的调节训练神经机器人。机器人在回避障碍物中的性能取决于网络间耦合中的权重比。我们表明，除了STDP外，成功学习的关键因素是突触和神经元竞争。我们使用最近发现的最短路径规则来实施突触竞争。此方法已准备好进行实验测试。强抑制耦合在负责无条件响应的子网中实施神经元竞争。对这种方法的经验测试需要一种技术，用于增长具有给定兴奋性和抑制性神经元比率的神经网络。一种替代方案是建立一个混合系统，其体外神经网络通过硬件复合连接结合。
带有...
主要关键词
相关文件推荐
