项目名称: 基于记忆学习与免疫系统的仿生控制研究

项目编号: No.61503192

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 翁理国

作者单位: 南京信息工程大学

项目金额: 20万元

中文摘要: 本项目旨在研究记忆学习过程与免疫系统行为以及相关生物理论基础,寻找启发,探索并建立一套新颖的仿生控制算法。记忆学习系统按照编码、储存以及提取对比三个主要步骤,通过改变神经元(Neuron)以及突触(Synapse)之间的电流强度来完成学习改进的过程;免疫系统则可以动态的调用先天免疫(Innate Immunity)与特异免疫(Acquired Immunity),根据入侵抗原(Antigen)的特征分泌与之相对应的抗体(Antibody),保护生物体免受侵害。本项目的重点在于通过映射的方法将以上生物系统的特性“移植”到所要建立的仿生控制算法当中,使其具有免疫系统以及记忆学习系统的容错性、自我配置性、动态规划性以及自适应性,从而可以应对复杂非线性系统在复杂环境下的控制问题。在项目研究的最后阶段,将给出模拟实验结果来验证此仿生控制算法的有效性以及理论证明过程来保证此仿生控制算法的收敛性。

中文关键词: 仿生控制;记忆学习;免疫系统

英文摘要: This project focuses on mechanisms of Memory and Learning and Immune System. We are trying to explore an novel bio-inspired control algorithm based on the discoveries and inspirations from these biological behaviors. The Human Memory/Learning System is able to improve itself through adjusting electricity magnitudes between Neurons and Synapses, and during the process, the system will go through the following three steps: Encoding, Storing and Retrieving; The Immune System is able to dynamically invoke Innate Immune and Acquired Immune systems, secreting specific antibodies according to invading antigens, hence protecting our body from external viruses and bacteria. In this project, we are trying to design a bio-inspired control algorithm which possesses the properties of fault-tolerance, self-configuration, dynamic planning and self-adaptiveness through mathematical modeling and behavior mapping. This bio-inspired control algorithm is able to deal with highly nonlinear systems under very complex circumstances. Simulation results and theoretical proofs will also be given to prove its effectiveness and convergence.

英文关键词: Bio-inspired Control;Memory and Learning;Immune System

成为VIP会员查看完整内容
4

相关内容

【CMU博士论文】通过记忆的元强化学习
专知会员服务
53+阅读 · 2021年10月16日
专知会员服务
29+阅读 · 2021年9月14日
专知会员服务
23+阅读 · 2021年6月9日
专知会员服务
58+阅读 · 2021年4月22日
专知会员服务
51+阅读 · 2021年4月6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
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
一文读懂Attention机制
机器学习与推荐算法
63+阅读 · 2020年6月9日
无人机集群对抗研究的关键问题
无人机
51+阅读 · 2018年9月16日
干货|基于双流递归神经网络的人体骨架行为识别!
全球人工智能
13+阅读 · 2017年12月15日
【无人机】无人机的自主与智能控制
产业智能官
44+阅读 · 2017年11月27日
论文动态 | 基于知识图谱的问答系统关键技术研究 #02
开放知识图谱
10+阅读 · 2017年8月6日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
12+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
2+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 · 2011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
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
15+阅读 · 2021年7月14日
Arxiv
10+阅读 · 2020年11月26日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关VIP内容
【CMU博士论文】通过记忆的元强化学习
专知会员服务
53+阅读 · 2021年10月16日
专知会员服务
29+阅读 · 2021年9月14日
专知会员服务
23+阅读 · 2021年6月9日
专知会员服务
58+阅读 · 2021年4月22日
专知会员服务
51+阅读 · 2021年4月6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
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
相关资讯
一文读懂Attention机制
机器学习与推荐算法
63+阅读 · 2020年6月9日
无人机集群对抗研究的关键问题
无人机
51+阅读 · 2018年9月16日
干货|基于双流递归神经网络的人体骨架行为识别!
全球人工智能
13+阅读 · 2017年12月15日
【无人机】无人机的自主与智能控制
产业智能官
44+阅读 · 2017年11月27日
论文动态 | 基于知识图谱的问答系统关键技术研究 #02
开放知识图谱
10+阅读 · 2017年8月6日
相关基金
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
12+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
2+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 · 2011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
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员