将网格细胞学习为自位置的向量表示与自运动的矩阵表示之耦合
机器学习
2019-05-28 v3 机器学习
神经与进化计算
摘要
本文提出一种网格细胞的表示模型。在该模型中，智能体的2D自位置由高维向量表示，智能体的2D自运动或位移由对该向量进行变换的矩阵表示。向量的每个分量是一个单元或细胞。该模型由以下三个子模型组成。(1) 向量-矩阵乘法。从当前位置到下一位置的运动通过矩阵-向量乘法建模，即下一位置的向量由运动矩阵乘当前位置的向量得到。(2) 放大局部等距。两个邻近向量之间的夹角等于两个对应位置之间的欧氏距离乘以一个放大因子。(3) 全局邻接核。两个向量之间的内积度量两个对应位置之间的邻接性，其由两对应位置间欧氏距离的核函数定义。我们的表示模型具有明确的代数与几何结构。它能够学习网格细胞的六边形模式，并具备纠错、路径积分与路径规划能力。
引用
@article{arxiv.1810.05597,
title = {Learning Grid Cells as Vector Representation of Self-Position Coupled with Matrix Representation of Self-Motion},
author = {Ruiqi Gao and Jianwen Xie and Song-Chun Zhu and Ying Nian Wu},
journal= {arXiv preprint arXiv:1810.05597},
year = {2019}
}