基于spiking神经网络的自主强化学习模型及其在决策中的应用
A spiking Neural Network Based Autonomous Reinforcement Learning Model and Its Application in Decision Making
Guixiang Wang1, Yi Zeng1,2, and Bo Xu1,2
1 Institute of Automation, Chinese Academy of Science, Beijing, 100190, China
2 Center for Excellence in Brain Science and Intelligence Technology Chinese Academy of Sciences, Shanghai, 200031, China
yi.zeng@ia.ac.cn, guixiang.wang@ia.ac.cn
(Song Jian,translate)
摘要:本文提出了一种用于决策的自主脉冲神经网络(SNN,spiking Neuron Networks)模型。该模型是对具有自动环境感知功能的基底神经节电路的扩展,从图像输入中自动构造环境状态。本文的工作有以下贡献:(1)在我们的模型中,建立了简化的Hodgkin-Huxley计算模型,以达到接近漏整合发放(Leaky Integrate-and-Fire,LIF)模型的计算效率,并用于获取和测试认知中的离子水平特性。(2)提出了一种基于尖峰的运动感知机制,在不进行大量训练的情况下,从原始像素中提取学习过程的关键元素。我们将我们的模型应用到“飞鸟”游戏中,经过几十次训练后,它表现得很好。该模型在训练开始时与人的学习性能相似。此外,我们的模型模拟了Hodgkin-Huxley模型中阻断钠离子或钾离子通道时的认知缺陷,这是对深入到离子水平的认知的探索。
翻译原件【A spiking Neural Network Based Autonomous Reinforcement Learning Model and Its Application in Decision Making】
翻译稿件【基于spiking神经网络的自主强化学习模型及其在决策中的应用】