项目名称: 中枢模式发生器神经网络系统的建模、简化及同步转迁

项目编号: No.11302126

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 数理科学和化学

项目作者: 宋自根

作者单位: 上海海洋大学

项目金额: 27万元

中文摘要: 本项目定位于应用基础性研究,针对生物体节律运动模式的中枢模式发生器(CPG)网络控制机理,通过对(1)生物CPG神经网络系统的建模与动力学分析;(2)功能型CPG神经网络系统的模型建立;(3)基于步态控制的CPG神经网络系统同步转迁这三个科学问题的研究,深入了解生物CPG神经网络系统的动力学机理,探索系统放电活动的模式类型和转迁规律,并在此基础上建立简化的功能型CPG网络系统,提出简单网络节点的非线性耦合实现不同类型节律振荡模式,基于足式机器人步态行走控制的CPG网络系统,建立包括节点耦合参数、上层传入激励以及自身反馈信号在内的步态模式转迁规律。重点认识耦合非线性系统的动力学分岔机理,初步形成研究高维非线性系统同步转迁的分析方法,建立不同拓扑结构下CPG 神经网络的步态转迁规律,为机器人步态控制CPG 神经网络的工程设计提供理论支持和技术指导。

中文关键词: 神经网络;中枢模式发生器;动力学分析;人行桥侧向振动;种群共存

英文摘要: This project is a fundamental research in both theory and application, which primarily aims at the animal rhythm control of CPG (central pattern generator) neural network system. The following three scientific problems are mainly studied: (1) modeling and dynamical analysis of biological CPG neural network systems; (2) models construction of functional CPG neural network systems; (3) synchronous transition analysis of functional CPG neural network systems for robot gait control. The major objectives of this project are to gain a better understanding of the dynamical characteristics of CPG neural network system and explore the pattern types of neuron activity; to build the functional CPG neural network system by using the dynamic analysis, which is made up the network nodes with simple dynamics; to establish the CPG control system based on the robot gait and propose the pattern transition induced by coupling parameters, external signals and feedback signals. In the words, this project will focus on understanding the synchronization transition of the nonlinear system. Some valuable methods will be developed to analyze the synchronization transition of the nonlinear dynamics. The transition mechanisms of the robot gaits will be established. The research results will offer some theoretical supports and technical gu

英文关键词: Neural Network;Central Pattern Generator;Dynamical Analysis;Lateral Vibration of Footbridge;Species Coexistence

成为VIP会员查看完整内容
0

相关内容

人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。 最近十多年来,人工神经网络的研究工作不断深入,已经取得了很大的进展,其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题,表现出了良好的智能特性。
【ICLR2022】通过传播网络编码学习通用的神经结构
专知会员服务
12+阅读 · 2022年2月13日
神经网络首看书《神经网络与机器学习》,中英文版本
专知会员服务
137+阅读 · 2021年12月25日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
40+阅读 · 2021年6月2日
智源发布!《人工智能的认知神经基础白皮书》,55页pdf
专知会员服务
34+阅读 · 2020年11月26日
【Cell 2020】神经网络中的持续学习
专知会员服务
59+阅读 · 2020年11月7日
专知会员服务
28+阅读 · 2020年10月24日
专知会员服务
49+阅读 · 2020年8月27日
Ihmehimmeli 项目:脉冲神经网络中的时序编码
谷歌开发者
16+阅读 · 2019年11月12日
【泡泡图灵智库】协同视觉-惯性SLAM
泡泡机器人SLAM
29+阅读 · 2019年9月6日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
37+阅读 · 2021年2月10日
小贴士
相关VIP内容
【ICLR2022】通过传播网络编码学习通用的神经结构
专知会员服务
12+阅读 · 2022年2月13日
神经网络首看书《神经网络与机器学习》,中英文版本
专知会员服务
137+阅读 · 2021年12月25日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
40+阅读 · 2021年6月2日
智源发布!《人工智能的认知神经基础白皮书》,55页pdf
专知会员服务
34+阅读 · 2020年11月26日
【Cell 2020】神经网络中的持续学习
专知会员服务
59+阅读 · 2020年11月7日
专知会员服务
28+阅读 · 2020年10月24日
专知会员服务
49+阅读 · 2020年8月27日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
37+阅读 · 2021年2月10日
微信扫码咨询专知VIP会员