針對運動平衡的大腦與小腦協(xié)作學(xué)習(xí)機制.pdf

1、本文的目標(biāo)是研究小腦和大腦中的神經(jīng)系統(tǒng)如何相互協(xié)調(diào)以學(xué)習(xí)連貫的運動控制技能。文中所提出和引用的神經(jīng)計算算法都源于神經(jīng)生理學(xué)的實驗研究成果。分別基于監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)理論，本文提出了兩種針對運動平衡控制的神經(jīng)計算模型。 文章針對非線性平衡控制問題，文中提出了一種加入預(yù)測信息的反饋誤差學(xué)習(xí)(P-FEL)模型。在P-FEL模型中，包括一個常規(guī)控制器(CFC)和一個神經(jīng)網(wǎng)絡(luò)前饋控制器(NNFC)，其中CFC負責(zé)保證系統(tǒng)的穩(wěn)定性。反饋控制

2、器的輸出信號和基于當(dāng)前實際誤差的系統(tǒng)狀態(tài)預(yù)測信息共同前饋神經(jīng)網(wǎng)絡(luò)(NNFC)的學(xué)習(xí)信號。為了滿足持續(xù)激勵條件，使用被控對象當(dāng)前的實際輸出誤差作為前饋神經(jīng)網(wǎng)絡(luò)的前向輸入。為了將神經(jīng)網(wǎng)絡(luò)控制與學(xué)習(xí)過程結(jié)合在一起，使用在線BP算法作為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。在算法中，根據(jù)前兩個樣本的誤差梯度信息對下一個樣本的學(xué)習(xí)步長進行調(diào)整；同時為了加速學(xué)習(xí)過程而且保持良好的穩(wěn)定性，在學(xué)習(xí)算法中引入了權(quán)值更新動量因子和學(xué)習(xí)率折扣因子。P-FEL模型是從工程模型角度