論文の概要: Exploring vestibulo-ocular adaptation in a closed-loop neuro-robotic
experiment using STDP. A simulation study
- arxiv url: http://arxiv.org/abs/2003.01445v1
- Date: Tue, 3 Mar 2020 10:55:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 22:53:20.849185
- Title: Exploring vestibulo-ocular adaptation in a closed-loop neuro-robotic
experiment using STDP. A simulation study
- Title(参考訳): STDPを用いた閉ループ神経ロボット実験における前庭眼適応の探索
シミュレーション研究
- Authors: Francisco Naveros, Jesus A. Garrido, Angelo Arleo, Eduardo Ros, Niceto
R. Luque
- Abstract要約: 本研究は, 模擬ヒューマノイドロボット(iCub)をニューロロボティック・プラットフォーム(Neuro-robotic Platform)を用いて, スパイキング小脳モデルで支持するエボディメント・ソリューションを提案し, 解説する。
その結果, 擬似iCubロボットを用いた知覚動作閉ループ(r-VOR)において, スパイキング小脳モデルの適応能力を検証した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Studying and understanding the computational primitives of our neural system
requires for a diverse and complementary set of techniques. In this work, we
use the Neuro-robotic Platform (NRP)to evaluate the vestibulo ocular cerebellar
adaptatIon (Vestibulo-ocular reflex, VOR)mediated by two STDP mechanisms
located at the cerebellar molecular layer and the vestibular nuclei
respectively. This simulation study adopts an experimental setup (rotatory
VOR)widely used by neuroscientists to better understand the contribution of
certain specific cerebellar properties (i.e. distributed STDP, neural
properties, coding cerebellar topology, etc.)to r-VOR adaptation. The work
proposes and describes an embodiment solution for which we endow a simulated
humanoid robot (iCub)with a spiking cerebellar model by means of the NRP, and
we face the humanoid to an r-VOR task. The results validate the adaptive
capabilities of the spiking cerebellar model (with STDP)in a perception-action
closed-loop (r- VOR)causing the simulated iCub robot to mimic a human behavior.
- Abstract(参考訳): ニューラルネットワークの計算プリミティブを研究し、理解するには、多種多様な補完的なテクニックが必要である。
本研究は,小脳分子層と前庭核に存在する2つのSTDP機構を介する前庭眼小脳適応Ion(Vestibulo-ocular reflex, VOR)を評価するために神経ロボティック・プラットフォーム(NRP)を用いた。
本研究は、特定の小脳特性(分散STDP、神経特性、コーディング小脳トポロジーなど)のr-VOR適応への寄与をよりよく理解するために、神経科学者が広く使用している実験装置(回転VOR)を採用する。
本研究は、シミュレーションされたヒューマノイドロボット(iCub)を、NRPによりスパイキング小脳モデルで支持し、このヒューマノイドをr-VORタスクに直面するエボディメントソリューションを提案し、記述する。
その結果,シミュレーション型icubロボットを用いた知覚動作閉ループ(r-vor)におけるスパイキング小脳モデル(stdp)の適応性が検証された。
関連論文リスト
- Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳(メタデータ) (2024-05-21T20:37:07Z) - MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。
現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。
我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
論文 参考訳(メタデータ) (2024-04-11T15:46:42Z) - Astrocyte Regulated Neuromorphic Central Pattern Generator Control of
Legged Robotic Locomotion [3.7814142008074954]
本稿では,四足歩行ロボットの移動歩行を学習するためのアストロサイト制御スパイキングニューラルネットワーク(SNN)を用いた CPG を提案する。
SNNベースのCPGは、多目的物理シミュレーションプラットフォーム上でシミュレーションされ、平地でロボットを走らせながらトロッティング歩行が出現する。
最先端の強化学習に基づくロボット制御アルゴリズムと比較して、23.3Times$計算パワーセーブが観測される。
論文 参考訳(メタデータ) (2023-12-25T20:33:16Z) - CycleIK: Neuro-inspired Inverse Kinematics [12.29529468290859]
CycleIKは、逆運動学(Inverse Kiinematics, IK)タスクのための2つの新しい神経誘発手法をラップする神経ロボティックアプローチである。
我々は、これらをハイブリッド神経遺伝IKパイプラインに組み込むことによって、さらなる最適化を実現する方法を示す。
論文 参考訳(メタデータ) (2023-07-21T13:03:27Z) - Contrastive-Signal-Dependent Plasticity: Forward-Forward Learning of
Spiking Neural Systems [73.18020682258606]
我々は、ニューロンの個々の層が並列に機能する、スパイキングニューロンユニットからなる神経模倣アーキテクチャを開発する。
コントラスト信号依存塑性(CSDP)と呼ばれるイベントベース前方学習の一般化を提案する。
いくつかのパターンデータセットに対する実験結果から,CSDPプロセスは分類と再構成の両方が可能な動的再帰スパイクネットワークのトレーニングに有効であることが示された。
論文 参考訳(メタデータ) (2023-03-30T02:40:28Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳(メタデータ) (2022-09-19T16:49:32Z) - Evolving spiking neuron cellular automata and networks to emulate in
vitro neuronal activity [0.0]
我々は生体内における生体ニューロンの行動パターンをエミュレートするスパイキング神経系を生産する。
我々のモデルは、ネットワーク全体の同期レベルを生成できた。
トップパフォーマンスモデルのゲノムは、生成した活動の複雑さを決定する上で、モデル内の接続の興奮性と密度が重要な役割を果たすことを示している。
論文 参考訳(メタデータ) (2021-10-15T17:55:04Z) - Mapping and Validating a Point Neuron Model on Intel's Neuromorphic
Hardware Loihi [77.34726150561087]
インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。
Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。
Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
論文 参考訳(メタデータ) (2021-09-22T16:52:51Z) - The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。
同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文 参考訳(メタデータ) (2020-12-07T01:20:38Z) - On the Self-Repair Role of Astrocytes in STDP Enabled Unsupervised SNNs [1.0009912692042526]
この研究は、ニューロンとシナプスの計算モデルに対する現在のニューロモルフィックコンピューティングアーキテクチャの焦点を越えている。
スパイクタイミング依存塑性(STDP)を用いた教師なし学習によるスパイクニューラルネットワークの耐故障能におけるグリア細胞の役割について検討する。
MNISTデータセットとFashion-MNISTデータセットで提案した提案を,50%から90%までのさまざまな障害度を持つネットワークで実現可能な自己修復の程度を特徴付ける。
論文 参考訳(メタデータ) (2020-09-08T01:14:53Z) - VOR Adaptation on a Humanoid iCub Robot Using a Spiking Cerebellar Model [0.0]
我々は、本物のロボット体(iCub)を操作することができる適応リアルタイム制御ループに、スパイク小脳モデルを組み込む。
本研究の目的は、小脳神経基質と分散可塑性の組み合わせが小脳神経活動を形作って運動適応を仲介する方法を明らかにすることである。
論文 参考訳(メタデータ) (2020-03-03T09:48:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。