論文の概要: Rapid rhythmic entrainment in bio-inspired central pattern generators
- arxiv url: http://arxiv.org/abs/2206.01638v1
- Date: Fri, 3 Jun 2022 15:27:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-26 14:46:10.170196
- Title: Rapid rhythmic entrainment in bio-inspired central pattern generators
- Title（参考訳）: バイオインスパイアされた中心パターン発生器におけるラピッドリズミカル・エントレインメント
- Authors: Alex Szorkovszky, Frank Veenstra and Kyrre Glette
- Abstract要約: 周期的刺激に対する運動の訓練は、人間の特徴的な知的行動であり、適応ロボット工学の重要な目標である。
本研究では,松岡ニューロンの周期的な入力信号の振動周期を自然に調節する4重結合型中央パターン生成器(CPG)について述べる。
特に、周期的チューニング性は、歩行歩行よりも歩行歩行がより容易で、フィルタネットワーク内のニューロンが入力信号の事前処理に有用であることが判明した。
- 参考スコア（独自算出の注目度）: 1.4502611532302039
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Entrainment of movement to a periodic stimulus is a characteristic
intelligent behaviour in humans and an important goal for adaptive robotics. We
demonstrate a quadruped central pattern generator (CPG), consisting of modified
Matsuoka neurons, that spontaneously adjusts its period of oscillation to that
of a periodic input signal. This is done by simple forcing, with the aid of a
filtering network as well as a neural model with tonic input-dependent
oscillation period. We first use the NSGA3 algorithm to evolve the CPG
parameters, using separate fitness functions for period tunability, limb
homogeneity and gait stability. Four CPGs, maximizing different weighted
averages of the fitness functions, are then selected from the Pareto front and
each is used as a basis for optimizing a filter network. Different numbers of
neurons are tested for each filter network. We find that period tunability in
particular facilitates robust entrainment, that bounding gaits entrain more
easily than walking gaits, and that more neurons in the filter network are
beneficial for pre-processing input signals. The system that we present can be
used in conjunction with sensory feedback to allow low-level adaptive and
robust behaviour in walking robots.
- Abstract（参考訳）: 周期的刺激への運動の訓練は、人間の特徴的な知的行動であり、適応ロボティクスの重要な目標である。
本研究では,松岡ニューロンの周期的な入力信号の振動周期を自然に調節する4重結合型中央パターン生成器(CPG)について述べる。
これは単純な強制によって行われ、フィルタリングネットワークとトニック入力依存振動周期を持つニューラルモデルによって実現される。
まず, nsga3アルゴリズムを用いてcpgパラメータを進化させ, 周期可変性, 四肢均質性, 歩行安定性などの適応関数を分離した。
次に、フィットネス関数の重み付け平均を最大化する4つのCPGをパレートフロントから選択し、それぞれをフィルタネットワークの最適化の基盤として使用する。
フィルタネットワーク毎に異なる数のニューロンがテストされる。
特に周期可変性はロバストなエントレーメントが容易であり,バウンディング歩行は歩行歩行よりも容易であり,フィルタネットワークのニューロンは入力信号の前処理に有益であることがわかった。
このシステムは,歩行ロボットの低レベル適応性と頑健な動作を可能にするために,感覚フィードバックと併用することができる。
関連論文リスト
- Advancing Spatio-Temporal Processing in Spiking Neural Networks through Adaptation [6.233189707488025]
本稿では、適応LIFニューロンとそのネットワークの動的、計算的、および学習特性について分析する。
適応LIFニューロンのネットワークの優越性は、複雑な時系列の予測と生成にまで及んでいることを示す。
論文 参考訳（メタデータ） (2024-08-14T12:49:58Z) - How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。
入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文 参考訳（メタデータ） (2023-06-04T08:53:27Z) - NeuralDPS: Neural Deterministic Plus Stochastic Model with Multiband
Excitation for Noise-Controllable Waveform Generation [67.96138567288197]
本稿では,高い音声品質を保ち,高い合成効率とノイズ制御性を得ることができるニューラルDPSというニューラルボコーダを提案する。
ウェーブネットのボコーダより少なくとも280倍高速な波形を生成する。
また、単一コア上でのWaveGANの合成効率よりも28%高速である。
論文 参考訳（メタデータ） (2022-03-05T08:15:29Z) - Deep Metric Learning with Locality Sensitive Angular Loss for
Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。
本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。
このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
論文 参考訳（メタデータ） (2021-10-13T21:51:56Z) - Towards self-organized control: Using neural cellular automata to
robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。
我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文 参考訳（メタデータ） (2021-06-29T10:49:42Z) - Spatiotemporal Spike-Pattern Selectivity in Single Mixed-Signal Neurons
with Balanced Synapses [0.27998963147546135]
混合信号ニューロモルフィックプロセッサは推論と学習に使用できる。
ネットワーク層の実装に不均一なシナプス回路をいかに利用できるかを示す。
論文 参考訳（メタデータ） (2021-06-10T12:04:03Z) - Constrained plasticity reserve as a natural way to control frequency and
weights in spiking neural networks [0.0]
細胞動力学は神経細胞が激しいシグナルをフィルターして、ニューロンの発火速度を安定させるのにどのように役立つかを示す。
このようなアプローチは、AIシステムの堅牢性を改善するために、機械学習領域で使用される可能性がある。
論文 参考訳（メタデータ） (2021-03-15T05:22:14Z) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳（メタデータ） (2021-01-24T12:44:38Z) - Non-parametric generalized linear model [7.936841911281107]
統計神経科学の基本的な問題は、ニューロンが電気生理学的記録を分析して情報をエンコードする方法をモデル化することである。
人気があり広く使われているアプローチは、スパイク列車を自動回帰ポイントプロセスモデルに適合させることである。
実際には、フィルターをパラメータ化するためには、十分にリッチだが小さな時間基底関数のアンサンブルを選択する必要がある。
論文 参考訳（メタデータ） (2020-09-02T21:54:53Z) - Video-based Remote Physiological Measurement via Cross-verified Feature
Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。
次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。
歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文 参考訳（メタデータ） (2020-07-16T09:39:17Z)
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。