一种改进的海马体-前额皮层网络空间认知方法技术

本发明专利技术公开了一种改进的海马体

【技术实现步骤摘要】
一种改进的海马体
‑
前额皮层网络空间认知方法


[0001]本专利技术属于仿生学
和人工智能领域，特别涉及环境变化时基于海马体
‑
前额皮层的移动机器人空间认知导航模型。

技术介绍

[0002]近年来，借鉴脑的信息处理的基本原则，开发脑启发算法、研制类脑智能系统是人工智能与机器人研究的重要领域。模仿动物多个脑区协同工作的机理构造认知模型并复制在机器人本体上，是其中一个热门研究方向，广泛应用于未知环境下的空间认知导航和室外自动驾驶领域。
[0003]空间认知导航依赖一个紧密相连的结构网络，其中包括海马体，前额皮层和其他脑区，找出这些大脑结构之间的空间、路径、奖励和行为控制流的信息，可以揭示哺乳动物面对复杂导航任务时的变化过程，并应用于机器人导航技术中，从而为机器人理论和应用带来新的突破。海马体和前额皮层之间的相互作用是空间认知的基础，研究表明，前额皮层是对认知拓扑图进行评估的候选区域，对海马体输出的空间信息进行稀疏化处理并转化成电信号，支持特定目标的灵活路线规划。
[0004]在涉及海马体
‑
前额皮层结构的导航规划方面，已经得到了较多的研究。这些模型从神经生理学的角度解释动物目标导向的行为，主要关注高效的路径规划和导航，且能够在大尺度环境中稳定运行。然而，这些模型在面对评估类脑模型的两类任务(重估任务，应急变更任务)时表现不佳，即在复杂环境中模型的适应性和鲁棒性变弱。可以在海马体
‑
前额皮层网络模型中增加重估模块和应急变更模块，以提高模型的适应性和鲁棒性

技术实现思路

[0005]本专利技术的目的在于克服现有技术的上述不足，采用一种改进的海马体
‑
前额皮层空间认知模型。本专利技术由海马体模块和前额皮层模型组成。本专利技术首先采用自组织增量神经网络模拟海马体功能处理空间信息并生成环境认知拓扑图，基于脉冲神经网络建立前额皮层网络；其次，引入“延迟”概念并结合各种影响因素建立模型中重估模块来体现哺乳动物前额皮层中的相对奖励偏好特性；最后，引入“虚拟子目标”概念并采用二次传递神经活动波的方法建立应急变更模块，从而减小大规模环境发生局部变化时传统模型造成的资源浪费。
[0006]本专利技术提供了一种改进的海马体
‑
前额皮层空间认知方法，包括：
[0007]本专利技术的技术实施在MATLAB软件下进行；实现该方法的步骤如下，S1、建立海马体模块；基于自组织增量神经网络构建，负责接收环境信息并形成类拓扑地图。
[0008](1)初始化，海马体模块的初始结构H由自组织增量神经网络表示，其由位置细胞集合C组成，每个位置细胞都对应一个位置向量w
C
。
[0009](2)机器人采集的环境信息作为海马体模块的输入信号ξ。
[0010](3)寻找输入信号ξ的最近位置细胞C1和次近位置C2细胞，如式(1)式(2)所示。
[0011]C1＝argmin
C∈H
||ξ
‑
w
C
||
ꢀꢀ
(1)
[0012][0013](4)根据式(3)增加和C1相连的连接边的年龄，标记为其中表示和C1相连的位置细胞，x表示位置细胞的索引。
[0014][0015](5)根据式(4)更新C1的累计误差，其中表示C1的位置向量。
[0016][0017](6)利用因子ε
b
和ε
n
调整C1及与其相连接的位置细胞的位置，根据式(5)调整C1和其相邻位置细胞的位置向量。
[0018][0019](7)如果最近位置细胞C1与次近位置细胞C2之间存在连接关系，则将该边的年龄置0；否则创建连接边。
[0020](8)移除网络所有年龄大于年龄阈值的边。同时，如果网络中存在孤立位置细胞，删除该位置细胞。
[0021](9)网络增长条件。如果输入信号ξ出现的次数是参数λ的整数倍，按照下列规则扩大网络。
[0022]a)标记具有最大累计误差的位置细胞为q。
[0023]b)将与q直接连接的位置细胞中累计误差最大标记为f，插入新位置细胞r，其为q及f的中点。
[0024]c)分别建立r与q，f之间的连接关系，断开q与f之间的连接边。
[0025]d)设置r的初始累计误差和q的当前累计误差相同。
[0026](10)停止。
[0027]S2、建立前额皮层模块；首先基于脉冲神经网络构建基本框架，包含以“虚拟子目标”为核心的应急变更模块，表现眶额皮层相对奖励特性的奖励重估模块，并基于波前传播方法来评估认知地图。
[0028](1)前额皮层的组成单元。前额叶表征能够编码认知地图并支持目标导向的行为规划。皮层网络实质上是不同神经元在大脑中的组织方式，其组成单元为皮质柱。每个皮质柱是由一群互相连接的神经元组成，即一个柱单元代表从前额皮层区域和其他脑区结构接收输入的相互关联的神经元集合，他们处理并整合这些传入信号，进行决策。
[0029]皮质柱单元基于人工整合激发神经元建模，其膜电位服从公式(7).
[0030][0031]式(7)中V
i
(t)是第i个皮质柱单元在t时刻的膜电位；τ是时间常数；I
i
(t)是第i个皮质柱单元的整合突触电流，如公式(8)所示
[0032]I
i
(t)＝∑w
ij
·
V
j
(t)
ꢀꢀ
(8)
[0033]式(8)中w
ij
是第i个皮质柱单元和第j个皮质柱单元之间的突触连接。
[0034]当皮质柱单元膜电位超过阈值时，细胞激发脉冲电位，并进入死区变为抑制状态，避免误操作，如公式(9)所示。
[0035][0036]式(9)中t
f
是皮质柱单元激发动作电位的时间，t
d
是皮质柱单元进入抑制状态的持续时间，τ
ARP
是时间常数。
[0037]皮质柱单元之间的连接权值根据脉冲依赖可塑性规则(STDP)进行学习，如公式(10)所示。
[0038][0039]式(10)中M是幅值，是突触后神经元与突触前神经元间的放电时间差，τ
STDP
控制放电时间差对权值变化的影响。
[0040]前额皮层网络由皮质柱单元组成，每个皮质柱单元包含五个子单元：s神经元；v神经元；p神经元；d1,d2神经元群。同类神经元之间通过皮质柱之间的突触连接进行通信。s接收海马体位置细胞的直接投影，整合位置信息；v关联目标和奖励信息并进行编码；p负责前向扫描并读出路径；d1和d2是一组动作细胞，每一个动作细胞都有一个偏好动作，分别负责神经活动波反向传播的方向记录和机器人前向扫描进行路径规划的方向记录。
[0041]激励信号在目标位置激发v神经元的活动，这种基于奖励的活动以神经活动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进的海马体
‑
前额皮层网络空间认知方法，首先机器人探索环境收集信息，海马体位置细胞接收环境信息并形成类拓扑认知地图；前额皮层中皮质柱神经元接收并整合海马体信息投射，环境奖励刺激信号对类拓扑认知地图进行评估，在评估过程中，若机器人检测到环境发生动态变化，则会激发应急变更模块，若环境中存在多个目标，则会激发奖励重估模块；最后，刺激信号以神经活动波的形式在模型中扩散，评估完成后，由奖励刺激信号在前额皮层网络中扩散，并按照STDP规则改变前额皮层中皮质柱神经元之间的突触连接，形成全局矢量场；最终实现机器人目标导向的空间导航；该方法基于MATLAB仿真平台，模型由两大模块组成，第一个模块为海马体模块，负责接收环境信息并形成认知拓扑地图；第二个模块为前额皮层模块，其又分为基本组成框架，应急变更模块，奖励重估模块，负责评估认知地图并完成机器人的导航规划；具体步骤如下：S1.机器人在环境中自由移动，采集环境坐标点；S2.机器人采集的环境信息作为海马体模块的输入，其输出为环境认知拓扑地图，具体步骤如下：(1)初始化，海马体模块的初始结构H由自组织增量神经网络表示，其由位置细胞集合C组成，每个位置细胞都对应一个位置向量w
C
；(2)机器人采集的环境信息作为海马体模块的输入信号ξ；(3)寻找输入信号ξ的最近位置细胞和次近位置细胞，如式(1)式(2)所示；C1＝arg min
C∈H
||ξ
‑
w
C
||
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)(4)根据式(3)增加和C1相连的连接边的年龄，标记为其中表示和C1相连的位置细胞，i表示位置细胞的索引；(5)根据式(4)更新C1的累计误差，其中表示C1的位置向量；(6)利用因子ε
b
和ε
n
调整C1及与其相连接的位置细胞的位置，根据式(5)调整C1和其相邻位置细胞的位置向量；(7)如果最近位置细胞C1与次近位置细胞C2之间存在连接关系，则将该边的年龄置0；否则创建连接边；(8)移除网络所有年龄大于年龄阈值的边；同时，如果网络中存在孤立位置细胞，删除该位置细胞；(9)网络增长条件；如果输入信号ξ出现的次数是参数λ的整数倍，按照下列规则扩大网络；a)标记具有最大累计误差的位置细胞为q；b)将与q直接连接的位置细胞中累计误差最大标记为f，插入新位置细胞r，其为q及f的
中点；c)分别建立r与q，f之间的连接关系，断开q与f之间的连接边；d)设置r的初始累计误差和q的当前累计误差相同；(10)停止；...

【专利技术属性】
技术研发人员：黄静，杨贺源，阮晓钢，于乃功，任星河，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：