受小脑启发的反馈控制器增益自适应学习规则
神经元与认知
2017-07-06 v1 无序系统与神经网络
系统与控制
适应与自组织系统
生物物理
摘要
我们的神经系统如何能在面对来自不同肌肉骨骼系统的广泛响应动态时成功获取反馈控制策略？小脑是动物实现精确运动控制的关键脑结构。近期进展表明，小脑浦肯野细胞的突触可塑性涉及模拟其所控制的传出运动系统动态的分子和机制，使其学习规则的时序与行为相匹配。反事实预测控制（CFPC）是一种基于小脑的前馈控制方案，利用该原理获取预期动作。CFPC 通过在其学习规则中插入下游闭环系统的前向模型，扩展了经典的 Widrow-Hoff/最小均方（Least Mean Squares）。此处我们将同一洞见应用于反馈控制器增益的学习问题。为此，我们构建了一个模型参考自适应控制（MRAC）问题，并推导了一种自适应控制方案，将反馈控制器的增益视为自适应线性单元的权重。我们的结果表明，以受控子系统的前向模型来控制可塑性的方法（我们称之为模型增强最小均方（ME-LMS））并非仅局限于小脑学习，而是能为广泛的自适应控制问题提供解决方案。
引用
@article{arxiv.1707.01484,
title = {Cerebellar-Inspired Learning Rule for Gain Adaptation of Feedback Controllers},
author = {Ivan Herreros and Xerxes D. Arsiwalla and Cosimo Della Santina and Jordi-Ysard Puigbo and Antonio Bicchi and Paul Verschure},
journal= {arXiv preprint arXiv:1707.01484},
year = {2017}
}