一个尖的神经网络模型,用于昆虫肢体姿势和运动的分量自感编码

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 机器人技术 机器人技术 机器人技术

背景情况:

• 自身感知对于运动控制至关重要,但由 afferents 进行本地编码为表示大范围和复杂运动带来了挑战.
• 现有的模型很难将来自不同身体部位的多个感官输入的信息整合到不同的身体部位.

研究的目的:

• 提出一个多层尖端神经网络,用于分布式计算全身姿势和运动.
• 为了模拟由自感性附带体对关节角度的局部,阶段-音调编码.
• 开发能够在广泛范围内准确编码关节角度和速度的内部神经元.

主要方法:

• 利用自适应指数整合和火神经元来建模自身感受性 afferents.
• 开发出第一阶内部神经元来编码关节角度和角速度.
• 综合信息来自多个关节和肢体在一个层次的网络结构.
• 通过实验性动力学数据验证了该模型的实验性动力学数据.

主要成果:

• 通过第一阶内神经元证明了关节角度和速度的准确,高保真编码.
• 展示了从局部附属体的收输入如何使大传感范围的准确表示成为可能.
• 层次模型成功地从单关节数据计算了全身姿势和运动的复杂参数.

结论:

• 拟议的尖端神经网络有效地模拟了姿势和运动的自感计算.
• 这种层次的方法为理解生物和人工系统中的分布式感官处理提供了一个框架.
• 模型能够整合多个关联信息的能力是理解复杂行为的关键.