基于自适应趋化性的脉冲神经网络轮廓跟踪改进
神经元与认知
2020-08-04 v1 神经与进化计算
摘要
本文受秀丽隐杆线虫的趋化网络启发，提出一种用于自主导航的脉冲神经网络（SNN）。我们特别关注轮廓跟踪问题，即机器人必须到达并随后跟随期望的浓度设定点。过去仅使用转折运动（klinokinesis）的方案可高效跟随轮廓，但到达设定点耗时过多。我们通过提出一种新颖的自适应转折趋向性（klinotaxis）机制来解决此缺陷，该机制建立在先前提出的梯度爬升电路之上。我们展示了我们的 klinotaxis 电路如何被自主配置以执行梯度上升、梯度下降，并随后被禁用，从而与上述 klinokinesis 电路无缝集成。我们还引入速度调节（直行运动，orthokinesis）以进一步提升轮廓跟踪性能。因此，我们首次提出一个成功集成 klinokinesis、klinotaxis 和 orthokinesis 的模型。通过轮廓跟踪仿真我们证明，所提方案使到达设定点的时间减少 2.4 倍，同时平均偏离设定点的程度降低 8.7 倍。
引用
@article{arxiv.2008.00317,
title = {Adaptive Chemotaxis for improved Contour Tracking using Spiking Neural Networks},
author = {Shashwat Shukla and Rohan Pathak and Vivek Saraswat and Udayan Ganguly},
journal= {arXiv preprint arXiv:2008.00317},
year = {2020}
}