一種結構可生長的認知模型及其在運動平衡控制中的應用.pdf

1、生物的諸多技能是在個體發(fā)育過程中逐漸發(fā)展形成的，是生物的一種認知行為。本文從模擬人或動物的技能學習角度出發(fā)，構造了一種面向低級認知行為的結構可生長的認知模型，并將其應用于運動平衡技能獲取的過程之中，實現(xiàn)了對倒立擺的平衡控制，取得的主要研究成果如下： (1)本文依據神經生理學部分研究成果，構造了一種結構可生長的技能認知模型(CognitiveModelwithGrowingStructure，簡稱CMgs)。CMgs具有模擬生物系

2、統(tǒng)反射弧的簡單結構RC，包括傳入神經、中樞神經和傳出神經，尤其是其中樞神經工作域的網絡結構與神經元數(shù)量可以增長。CMgs的認知算法CA包括工作算法WA和組織算法OA：WA通過自組織特征映射的競爭機制，對輸入刺激進行模式識別并輸出對該刺激的反應；自組織算法OA，要對輸入刺激進行自動的模式分類學習，使中樞神經網絡自發(fā)地找到適合的結構和規(guī)模，還要通過對刺激進行銳化或鈍化，使每一個神經元所代表區(qū)域自組織地逼近其正確響應。 (2)CMgs

3、的認知算法CA中，組織算法OA是實現(xiàn)自組織技能獲取的關鍵步驟。本文結合細胞生長結構算法(GrowingCellStructure，簡稱GCS)構成生長算法GRA，在神經中樞工作域實現(xiàn)對刺激信號的模式分類，通過新神經元的不斷生長，自組織地進行演化。同時CMgs采用強化Hebb突觸修飾的無監(jiān)督學習機制RHA，實現(xiàn)不同的神經元以最佳方式響應不同性質的信號刺激。而評價機構EA為GRA和RHA提供指導信息，是二者的基礎。 (3)本文將CM

4、gs的結構與算法整合，提出了認知模型在技能學習中的實現(xiàn)方案。CMgs在與對象或環(huán)境的交互過程中，通過“行動—評價—改進”的方式，實現(xiàn)自組織的技能學習。文中進行了仿真實驗研究表明，采用CMgs能夠有效地習得針對開環(huán)不穩(wěn)定的二階系統(tǒng)的控制技能。文中還將CMgs和模糊控制方案相比較，模糊控制需要事先對經驗進行必要的總結，而CMgs可以在無任何先驗知識的情況下對控制技能進行自發(fā)的學習，并找到適合的網絡結構。 (4)本文將CMgs應用于運

5、動平衡控制技能學習之中，構成了面向運動平衡技能的認知模型(CognitiveModeltoMotorBalanceSkill，簡稱CMMBS)，模型在學習過程中通過任務完成情況的評估，來指導神經中樞網絡的生長與神經元聯(lián)結權值的修正。本文以運動平衡控制的抽象物理模型——倒立擺為對象，應用CMMBS實現(xiàn)倒立擺的自學習控制，仿真實驗表明：CMMBS在自治地與環(huán)境的交互作用中，可以通過神經系統(tǒng)自身的發(fā)育，自組織的發(fā)展運動平衡控制技能。