一種結(jié)構(gòu)可生長的認(rèn)知模型及其在運(yùn)動平衡控制中的應(yīng)用.pdf

1、生物的諸多技能是在個體發(fā)育過程中逐漸發(fā)展形成的，是生物的一種認(rèn)知行為。本文從模擬人或動物的技能學(xué)習(xí)角度出發(fā)，構(gòu)造了一種面向低級認(rèn)知行為的結(jié)構(gòu)可生長的認(rèn)知模型，并將其應(yīng)用于運(yùn)動平衡技能獲取的過程之中，實(shí)現(xiàn)了對倒立擺的平衡控制，取得的主要研究成果如下： (1)本文依據(jù)神經(jīng)生理學(xué)部分研究成果，構(gòu)造了一種結(jié)構(gòu)可生長的技能認(rèn)知模型(CognitiveModelwithGrowingStructure，簡稱CMgs)。CMgs具有模擬生物系

2、統(tǒng)反射弧的簡單結(jié)構(gòu)RC，包括傳入神經(jīng)、中樞神經(jīng)和傳出神經(jīng)，尤其是其中樞神經(jīng)工作域的網(wǎng)絡(luò)結(jié)構(gòu)與神經(jīng)元數(shù)量可以增長。CMgs的認(rèn)知算法CA包括工作算法WA和組織算法OA：WA通過自組織特征映射的競爭機(jī)制，對輸入刺激進(jìn)行模式識別并輸出對該刺激的反應(yīng)；自組織算法OA，要對輸入刺激進(jìn)行自動的模式分類學(xué)習(xí)，使中樞神經(jīng)網(wǎng)絡(luò)自發(fā)地找到適合的結(jié)構(gòu)和規(guī)模，還要通過對刺激進(jìn)行銳化或鈍化，使每一個神經(jīng)元所代表區(qū)域自組織地逼近其正確響應(yīng)。 (2)CMgs

3、的認(rèn)知算法CA中，組織算法OA是實(shí)現(xiàn)自組織技能獲取的關(guān)鍵步驟。本文結(jié)合細(xì)胞生長結(jié)構(gòu)算法(GrowingCellStructure，簡稱GCS)構(gòu)成生長算法GRA，在神經(jīng)中樞工作域?qū)崿F(xiàn)對刺激信號的模式分類，通過新神經(jīng)元的不斷生長，自組織地進(jìn)行演化。同時CMgs采用強(qiáng)化Hebb突觸修飾的無監(jiān)督學(xué)習(xí)機(jī)制RHA，實(shí)現(xiàn)不同的神經(jīng)元以最佳方式響應(yīng)不同性質(zhì)的信號刺激。而評價機(jī)構(gòu)EA為GRA和RHA提供指導(dǎo)信息，是二者的基礎(chǔ)。 (3)本文將CM

4、gs的結(jié)構(gòu)與算法整合，提出了認(rèn)知模型在技能學(xué)習(xí)中的實(shí)現(xiàn)方案。CMgs在與對象或環(huán)境的交互過程中，通過“行動—評價—改進(jìn)”的方式，實(shí)現(xiàn)自組織的技能學(xué)習(xí)。文中進(jìn)行了仿真實(shí)驗(yàn)研究表明，采用CMgs能夠有效地習(xí)得針對開環(huán)不穩(wěn)定的二階系統(tǒng)的控制技能。文中還將CMgs和模糊控制方案相比較，模糊控制需要事先對經(jīng)驗(yàn)進(jìn)行必要的總結(jié)，而CMgs可以在無任何先驗(yàn)知識的情況下對控制技能進(jìn)行自發(fā)的學(xué)習(xí)，并找到適合的網(wǎng)絡(luò)結(jié)構(gòu)。 (4)本文將CMgs應(yīng)用于運(yùn)

5、動平衡控制技能學(xué)習(xí)之中，構(gòu)成了面向運(yùn)動平衡技能的認(rèn)知模型(CognitiveModeltoMotorBalanceSkill，簡稱CMMBS)，模型在學(xué)習(xí)過程中通過任務(wù)完成情況的評估，來指導(dǎo)神經(jīng)中樞網(wǎng)絡(luò)的生長與神經(jīng)元聯(lián)結(jié)權(quán)值的修正。本文以運(yùn)動平衡控制的抽象物理模型——倒立擺為對象，應(yīng)用CMMBS實(shí)現(xiàn)倒立擺的自學(xué)習(xí)控制，仿真實(shí)驗(yàn)表明：CMMBS在自治地與環(huán)境的交互作用中，可以通過神經(jīng)系統(tǒng)自身的發(fā)育，自組織的發(fā)展運(yùn)動平衡控制技能。