文摘

神经机制用于生成节奏模式吞咽功能,比如,散步,和咀嚼建模计算了神经振荡器。广泛生物学家研究的模式生物的各个方面,通过计算机科学家和机器人工程师作为一个方法来控制和协调步态行走的机器人。尽管有重大的研究在这一领域,很难找到基本的编程指南神经振荡器。本文作者方法神经振荡器从程序员的角度来看,为发展提供背景和例子神经振荡器产生节奏模式,可用于生物建模和机器人应用程序。

1。介绍

科学家一直采用神经振子作为一种方法来研究神经元/ ganglia-based过程,作为各种生物中枢模式发生器作为一种方法来生成各种机器人控制和协调信号机制。例如,重要的工作已经完成在试图理解各种神经元的功能和组件的生物神经网络(1,2),发展属性一般所有神经振子网络(3建模的过程,如运动简单动物(4- - - - - -8]。联想神经网络模型与中央路径生成器类似行为也被开发(9]。

计算机科学家们已经研究了几种不同种类的人工神经网络模型自然神经网络在某种程度上。人工神经网络是一个高度发达的领域,文学在这个区域非常广阔;然而,文学相关神经振荡器和中央模式生成器使用这些计算机神经网络模型,如在10),不是那么普遍。尽管如此,使用这样的模型在控制机器人的运动已经被建立了11- - - - - -13]。对研究人员想要应用神经振荡器的技术和/或中央路径生成器编程机器人控制,建模节奏模式,等等,而不需要了解复杂的理论数学模型或学习简单的无脊椎动物游泳,似乎没有单的基本信息来源。许多文章提供振荡器的基本图,偶尔一些调优参数,但大多数不提供讨论关于机制的一般性质,概念概述,或实现的信息。为了补救改善这一状况,本文提供了一个基本的非生物背景神经振荡器从程序员的角度,探讨神经振荡器的设计和编码。

本文组织如下。部分2神经元振荡器原理,提供了一个基本介绍神经振荡器与一个简单的锯齿状波形的算法代码片段。建筑上,部分3,发展对称半连续波形,介绍如何把比例控制策略融入系统的波形是由一系列连续的曲线。接下来,节4与四个州对称波形振荡器,显示了如何平稳的下降沿波形,以便可以生成连续的模式。部分5、通用的代码结构基本神经振荡器,提供所有神经振荡器中描述的算法基于,伴随着一个简短的描述性的叙述。接下来,节6、波形调优,描述了如何调整神经元振荡器的各种参数,以形状的波形。最后,部分7论文的结论,提供了一个简短的总结。

2。神经元振荡器原理

神经元振荡器的目的是生成一个重复的输出范围之间的最大和最小值给定的常数输入。这是不同于其他变换函数,如神经网络,因为大多数转换生成唯一特定于每个输入输出。神经元振荡器产生的另一种方式说每个独特的独特的模式输出的输入集。为了更好地说明这一点,考虑走的过程。一个人可能会认为“慢慢走,但他的大脑是一组节奏模式,将腿行走步态。走得更快,通常认为“快走”,大脑的一部分控制行走增加的频率和/或振幅的信号被发送到腿部肌肉。因此,输入“走”产生一个输出的模式,随着时间的推移,重复控制腿部肌肉。

神经振荡器有两个或两个以上的节点连接权重。在一个典型的两个州的振子,一个状态可以被认为是一个励磁机状态,另一个作为抑制剂状态。图1演示了一个典型的两个振荡器。

一般振荡器的功能如下。开始输出值在初始值励磁机状态,振荡器通过励磁机循环状态,增加直到振荡器的最大值是获得。当这种情况发生时,控制转移抑制剂状态的值乘以重量。现在,假设传递抑制剂状态不变,是吗= 1。一旦进入抑制状态,控制仍然存在,递减直到到达振荡器的最小值。此时控制返回到励磁机状态,乘以重量。正如前面提到的,现在,假设= 1。模式将无限期重复只要权重连接励磁机和抑制剂状态保持1。如果小于1,模式最终将减少;然而,如果重量大于1时,系统会变得不稳定。变得不稳定,因为每次控制励磁机状态的传递抑制剂状态,生长的一个因素,,反过来也是正确的。

最基本的模式之一,可以生成的锯齿状模式。它是由添加一个常数值在励磁机状态,再减去一个恒定的值抑制剂的状态。图2说明了模式添加一个常数的模式。注意,模式不递减,也就是说,振幅保持不变,由于州际权重等于1。图3然而,显示了结果的抑制剂和抑制剂的励磁机励磁机状态重量小于1。在这里,减少因为模式和还不到一个。(在上面的例子中,看到算法1)。

3所示。发展中对称半连续波形

当的锯齿状模式说明了美国的安排和连接权值,它生成的波形不是通常在文献中发现是可取的。大部分的波形显示更连续在自然界中,多次出现差异不大的正弦波。最简单的一种,半连续波形,可以生成“鱼翅”波形,可以看到在图4。这个波形是由使用一个比例控制器(2]在励磁机状态来实现所需的最大价值,一旦达到这个值时,控制交给缓蚀剂的状态,进而使用一个比例控制器减少价值所需的最小值。图5说明了增加控制器的增益的影响。通过增加收益,波形的频率增加。使用增益调整,波形更彻底的章节中讨论6。

观察波形的形状,可以看出下降的波形对称到上升成反比。这是由于这样的事实,励磁机和抑制剂使用相同类型的比例控制器策略和收益和州际权重设置等于另一个。

正如我们前面所述,鱼翅振荡器的方法使用来自的角度比例闭环控制系统。这意味着系统的输出值,,增加基于的当前值之间的差异和请求的值在励磁机状态的情况下的抑制剂。系统增益函数,E和我为励磁机状态和抑制剂状态(收益)控制的速度方法和。下面的方程,以及图6详细的计算过程,鱼翅振荡器。图7说明了州际权重设置的影响小于1;它创建一个波形随时间消散。图8显示设置州际的影响权重大于1,创造一个稳定增长的波形。(我) 最小值的波形。(2) 错误。(一) (励磁机状态)。(b) (抑制剂)。(3) 获得。(一) E(获得励磁机状态)。(b) 我(获得抑制剂状态)。(iv) 下要求波形的价值。(一) 。(1)在这里,获得特定的当前状态和错误,励磁机或抑制剂。(v) 测量波形的价值。(一) 。(b)这里的假设是没有系统上的负载。这是指,当我们问系统增量的值波形量,得到全额添加到系统中。在一个物理系统,如卡车上山,当我们请求卡车的速度,我们可能会或可能不会得到期望的结果,根据卡车的负荷和机械特性。(vi) ——公差值。注意到目标值,或,永远无法意识到由于下面的方程的性质。方法或所以为了触发导致振荡器改变状态,比较的价值比较目标价值更少的公差值。对于这个应用程序,设置为0.01。(一) =+ ())。(1) 所需的值,要么或。(2) 是获得,要么E或我。

4所示。对称的波形与四个州振荡器

虽然鱼翅振荡器的波形和稀有的形状很有几个有节奏的生物过程,包括capnographic波形(14)(呼吸模式与支气管痉挛),许多应用程序需要一个波形平滑下降。例如,控制所需的振荡模式的部分游泳机器人或蝾螈如讨论Hoppensteadt和Izhikevich3)是平滑的上升和下降的波形。

为了生产这种性质的波形,从励磁机阶段过渡到抑制剂阶段必须是无缝的。扩展基本振子模型,以适应这些需求,从直观的角度看,两种解决方案:(我)立即从励磁机状态转换到抑制剂状态,降低增益,(2)选择一个新的更接近目标值比原来的。也就是说,努力通过一系列的“锚点”为了平滑曲线。

如图9“smooth4振荡器的输出,增强版本的鱼翅振荡器模型。转型顺利的关键是建立一个亚态的两个主要模型和建立一个稳定点的波形。措辞“稳定点”在这种情况下是指中央位置,可以用作参考点在州和亚态之间的迁移控制振荡器的模型。为了说明系统的操作,考虑情况刚刚超过。在这种情况下,控制从励磁机状态过渡到抑制剂状态。立即进入抑制状态,抑制剂的亚态控制。而不是使用数量计算错误(通过否定),计算错误。记住,更接近于在这一点上比,这就是让系统顺利从峰值。所以,从本质上讲,第二颗子弹从上面使用,而是期待的目标价值,系统看起来落后前面的目标价值和否定的结果。一旦跌破稳定值(相同的方式),计算误差的鱼翅振荡器。图10说明了之间的关系稳定点(内),亚态激发和抑制状态。

5。总体结构的代码基本神经振荡器

下面我们展示算法的总体结构为每个振子在本文讨论。

为了开始上述神经振荡过程,几个输入值必须确定。首先,有必要设置目标最大和最小输出值(和之间的权重),美国(通常这些相等),和每个国家的收益(同样,这些许多波形是相等的,但不是所有的)。输出值将在每步迭代计算,直到达到一个固定数量的迭代,波形稳定,或当一些停止标准实现。为驱散波形,输出将达到之间的中点和,这时它将“死亡”,可以终止。提高波形,限制的最大振幅迭代输出必须指定或限制给结束前的振荡波形发散的太多了。

神经元振荡器代码开始通过将当前状态设置为激活状态。在这种状态下将不断循环,增加产值(在某种程度上基于所需的波形类型),直到它达到极限。在这一点上乘以Excite-to-Inhibit重量和控制传递给抑制状态。它将不断循环的抑制状态,输出值的地方每次迭代递减(在某种程度上基于所需的波形类型),直到达到它的限制。然后,输出乘以Inhibit-to-Excite体重,控制返回再次激发状态。在每个迭代的输出整个振荡过程可以输出到数据文件和/或输入图形显示程序实时波形及其行为的观察。输出的方式计算状态决定了整体形状内的波形,下一节的主题。为指定的值收益和中间神经原权重进一步形状波形的频率和确定是否会消失或振幅的增加。

6。波形调优

从数据可以看出2,4,9,波形的形状可以是高度依赖于神经元振荡器的实现。在本节中,形状上的各种参数的影响,频率,和对称的4个国家振荡器振幅的波形。奇怪的是,这种类型的振荡器可以产生惊人的好近似的锯齿状,鱼翅,和其他波形,给出正确的参数。在图11对称4州振荡器被用来产生一个sine-like波形(蓝色线),一个近似方波(粉色波形),和一个波形伪装成锯齿状或鱼翅。改变波形的形状的关键在于获得的操作参数和(公差参数)。

使的波峰和波谷的关键波形平滑,像那些在一个正弦曲线,在于参数。通过使大,振荡器将迅速过渡状态,因为获得乘以错误可以超过所需的值(或)-一个大公差比它可以在更少的时间步骤是小的。记住当前振荡器输出,,不调整常数在每个时间步(如锯齿波振荡器)但是到了错误的一部分,(之间的区别和目标价值)。通过设置一个较大的值,实现状态转换误差相对较大。相反,通过小,它将振荡器很近一段时间的过渡点,慢慢的边缘上或。这个图中可以看到11。注意有多少更多的点在顶部的粉色波形比蓝色或黄色波形。通过结合一个小公差与大量增加,上升和下降边是陡峭,但波峰和波谷长而平,因为他们花许多时间步骤惠特尔错误足以导致状态转换。

改变频率是通过调整增益参数。图12下面显示了三个“sine-like”曲线逐渐更高的频率。所有参数的曲线是相同的,除了获得。

图13说明了振幅可以通过调整操作所需的值参数,和(在图13)。所有参数曲线都相同,除了他们的最大和最小值。这导致了频移,因为需要更少的时间达到状态转换为振幅降低。在文献中,该参数是类似于“补药”输入。

总之,波形的形状、频率和振幅很容易调整使用三种类型的参数:宽容,获得和所需的值和。的值和由系统被建模。这两个参数,结合参数,将决定波形的振幅。的参数也有助于确定平滑的波形是通过帮助产生更多的点的高峰和低谷。另外要注意的一点是,公差值范围成正比的波形。例如,如果公差值范围的25%的波形,从激发状态转换到抑制会突然多如果公差值范围的1%。也就是说,如果波形的范围是2,公差值。5会突然转变的公差值。5在波形的范围是50。最后,获得参数直接影响到系统的频率。的代码用于生产这些照片成立,这样每个州都有自己的获得和期望值,但宽容是共享的。虽然大部分的曲线提出了不利用这种能力,这仍然是一个有价值的特性(图的“锯齿形像波形”11依靠它)来创建各种形状。

7所示。结论

神经振荡器是机器人技术的一个基本组件编程,机器人运动模仿需要某种形式的自然节奏行为。在文献中有许多这样的模型,不同的应用程序,即使他们的功能是充分解释说,通常情况下,这样的模型的实际编程不是常常亏本程序员从哪里开始。

这项工作的方法是对细节建模的神经振荡器从程序员的角度来看。这里,提出了神经元振荡器的基本组件和讨论的部分他们在输出信号的生成。某些控制变量的变化,如中间神经原权重或收益,或数量的州,结果在不同形状的波形。基本的锯齿状波形,鱼翅波形和光滑曲线波形结果作为输出从各种神经振荡器。技术导致波形消散在振幅或日益分化进行了讨论。

一个通用的程序编程提出了一种神经元振荡器,与信息不同的主要组件来实现所需的波形形状和优势。有了这些基础知识,程序员的代码可以从简单到更复杂的神经振荡器用于机器人,模式一代,和建模应用程序。