AngoraPy:一个Python工具包,用于模拟人形目标驱动的感觉运动系统

科学领域:

• 计算神经科学是一种神经科学.
• 机器学习 机器学习
• 机器人技术 机器人技术 机器人技术

背景情况:

• 深度学习模型通过自主学习神经连接来比神经科学中的经典方法提供优势.
• 目标驱动的模型可以根据解剖学数据产生可测试的关于大脑功能的假设.
• 将目标驱动的深度学习应用于感觉运动系统是具有挑战性的,因为感觉-动作循环训练的复杂性.

研究的目的:

• 介绍AngoraPy,一个Python库,旨在简化用于传感运动建模的反复卷积神经网络的训练.
• 为研究人员提供可访问的工具,以实现计算神经科学中目标驱动的深度学习.
• 为了克服模拟封闭的感觉-动作循环的方法障碍.

主要方法:

• 开发AngoraPy Python库用于训练深度神经网络.
• 利用反复卷积神经网络来建模人类的感觉运动系统.
• 训练一个反复出现的玩具模型在手中的物体操纵任务的插图.

主要成果:

• AngoraPy成功地减轻了训练感官运动深度学习模型的复杂性.
• 一个说明性的例子展示了图书馆在手中的对象操纵中的实用性.
• 广泛的基准测试证实了AngoraPy在各种控制任务 (古典,3D机器人,人形) 中的适用性.

结论:

• AngoraPy使研究人员能够更轻松地进行目标驱动的感觉运动建模.
• 该库的灵活性和适应性支持定制的神经网络架构.
• AngoraPy显著推进了深度学习在计算传感运动神经科学中的应用.