通过脉冲神经网络中的局部学习实现非线性运动控制
神经元与认知
2019-02-19 v1 机器学习
神经与进化计算
系统与控制
机器学习
摘要
利用局部、稳定且在线学习的规则,在含隐神经元的脉冲神经网络中学习权重以控制非线性身体动力学,是一个开放问题。在此,我们采用一种有监督方案,即基于反馈的在线局部权重学习(FOLLOW),来训练一个具有隐层的异质脉冲神经元网络,以控制一个双连杆臂从而复现期望的状态轨迹。该网络首先学习非线性动力学的逆模型,即从作为网络输入的状态轨迹,学习推断产生该轨迹的连续时间指令。连接权重通过一种局部可塑性规则进行调整,该规则涉及突触前放电和推断指令中误差的突触后反馈。我们选择了一种称为差分前馈的网络架构,它在不同的前馈和循环架构中给出最低测试误差。随后,给定期望轨迹,所学习的逆模型被用于生成连续时间运动指令以控制该臂。
引用
@article{arxiv.1712.10158,
title = {Non-linear motor control by local learning in spiking neural networks},
author = {Aditya Gilra and Wulfram Gerstner},
journal= {arXiv preprint arXiv:1712.10158},
year = {2019}
}