【技术实现步骤摘要】
一种基于脉冲神经网络内在可塑性的机器人退化环境避障方法
[0001]本专利技术属于类脑智能领域中的类脑机器人(Brain
‑
like Robot)领域，具体实现结果为类脑机器人自主导航与避障，特别涉及一种具有脉冲神经元内在可塑性稳态的退化环境避障方法。
技术介绍
[0002]机器人避障任务是在较为复杂的场景中，机器人可以自主地导航到目标点同时不与障碍物发生任何碰撞，具有重大的实际应用价值。随着人工智能技术的快速发展，机器人避障相关任务，例如扫地机器人、无人驾驶、智能仓库、智能物流等，都获得了显著的性能提升。
[0003]尽管一些基于人工神经网络的方法已成功应用于避障任务，但它们的高能耗限制了它们在机器人领域的大规模使用。作为第三代人工神经网络，脉冲神经网络(Spiking Neural Network)具有时间连续性、高能效、快速处理和生物合理性等特点，使其与避障任务的结合更加广泛且合理。
[0004]然而，大多数现有的脉冲神经网络只关注神经元之间的突触可塑性，而忽略了神经元的内在可塑性，即...
【技术保护点】
【技术特征摘要】
1.一种基于脉冲神经网络内在可塑性的机器人退化环境避障方法，其特征在于，步骤如下：步骤1、动态能量阈值模块本方法针对脉冲神经网络中的触发阈值进行改进，将原本的静态触发阈值替换为具有生物可解释的动态触发阈值，并且与膜电位相关联，实现脉冲神经网络的内在可塑性稳态；根据生物学中观察到的动态阈值与平均膜电位之间呈正相关，设计动态能量阈值；根据当前时刻每个神经元的膜电位、同层所有神经元的膜电位以及同层所有神经元的触发阈值，为每个神经元计算当前时刻的动态能量阈值具体方式如公式(1
‑
4)所示：4)所示：4)所示：4)所示：其中，N
l
为第l层的神经元数量，η为斜率超参数，设置为0.2，为t时刻第l层第i个神经元的膜电位数值，μ(
·
)为均值运算，σ(
·
)为标准差运算，为t时刻第l层第i个神经元的触发阈值；与为层间关系的索引值，具体由同层所有神经元均值与最大、最小范围差异的差值，以此来增强每个神经元与同层之间其他神经元的电位耦合性与敏感性；ψ
l
(t)为同层中所有神经元的变异系数，以此来编码层间的电位波动，因为它用于描述相对于电位平均值的膜电位分布；步骤2、动态时间阈值模块根据生物学中观察到的动态阈值与之前去极化速率之间呈负相关，设计动态时间阈值；根据当前时刻与上一时刻每个神经元的膜电位、去极化速率以及同层所有神经元的触发阈值，为每个神经元计算当前时刻的动态时间阈值具体方式如公式(5
‑
6)所示：示：示：与分别为t时刻与t+1时刻第l层第i个神经元的膜电位数值，为单指数函数，其中a为指数衰减函数，其衰减率基于第l层前一个时间戳t中所有神经元动态阈值的平均值，采用层间的阈值关系，增强单个神经元与整体的耦合连接，使得膜电位去极化越高，时间阈值下降得越快；同时利用变异系数动态调整时间阈值对分层电位波动的敏感性，当层状电位波动较低时，时间阈值对之前的去极化速率更敏感，反之亦然；步骤3、生物合理的动态能量
‑
时间阈值融合模块通过步骤1和步骤2获得两种阈值之后，融合得到最终的动态能量
‑
时间阈值
具体方式如公式(7)所示：采用动态能量阈值模块获取...
【专利技术属性】
技术研发人员：丁建川，杨鑫，董博，尹宝才，周运铎，王洋，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。