脉冲网络中的阈值适应实现最短路径寻找与地点消歧

高效空间导航是哺乳动物大脑的标志性特征，激发了模仿生物学原理的神经器仿真系统的开发。尽管已取得进展，但在脉冲神经网络中实现关键操作如反向追踪和处理歧义性仍是开放挑战。本工作提出了一种用于任意单向脉冲神经元图中的活动反向追踪机制。我们扩展了脉冲层次时间记忆(S-HTM)现有的回放机制，通过引入基于脉冲时序的阈值适应(STDTA)，使其能够在脉冲神经元网络中进行路径规划。我们进一步提出了一种基于歧义的阈值适应(ADTA)，用于识别在歧义性较低的环境中的地点，从而增强代理人的局部化估计。结合这两种方法，可高效识别到单一目标的最短路径。我们的实验表明，针对序列训练的网络可靠地以更少的回放次数计算最短路径，其回放次数少于到达目标所需的步骤。我们进一步展示了我们可以在多个类似环境中识别歧义性较低的地点。这些贡献推动了以生物学启发的顺序学习算法如S-HTM towards神经器仿真定位和导航的实际应用。