基於記憶編碼的連續吸引子網路設計

《基於記憶編碼的連續吸引子網路設計》是依託電子科技大學,由於佳麗擔任醒目負責人的青年科學基金項目。

基本介紹

• 中文名：基於記憶編碼的連續吸引子網路設計
• 依託單位：電子科技大學
• 項目類別：青年科學基金項目
• 項目負責人：於佳麗

項目摘要

記憶是智慧型的基本特徵，記憶編碼是將輸入信息模式轉換成持久性記憶表征的過程。連續變化模式的記憶是以連續吸引子的形式存儲在大腦模型中。連續吸引子網路是大腦進行信息處理的重要模型。目前國際上對連續吸引子的研究處於探索階段，大部分研究是考察連續吸引子的神經基礎，相應的數學理論與分析工具還十分欠缺，許多基本理論尚未建立。本項目旨在研究連續吸引子模型，並建立完善的基礎理論與分析方法。研究內容包括：建立系統完整的連續吸引子概念；建立研究連續吸引子的基本方法；研究非線性網路的連續吸引子理論；分析外界輸入呈周期震盪時，網路的周期解連續分布的情況；建立連續吸引子網路的突觸連線學習算法；完成對連續記憶模式編碼的網路設計方法。這一系列問題的解決，必將對機器智慧型理論的發展起重要推動作用。

結題摘要

記憶是智慧型的基本特徵，記憶編碼是將輸入信息模式轉換成持久性記憶表征的過程。最近關於記憶編碼的研究認為連續變化的刺激信號，比如頭向、運動方向、空間定位信號等都被編碼成神經系統的連續吸引子。連續吸引子是穩定平衡態的連通集，連續吸引子網路是大腦進行信息處理的重要模型。目前對連續吸引子的研究處於探索階段，大部分研究是考察連續吸引子的神經基礎，迫切需要發展相應的數學理論與分析工具。 本項目成功建立了一套基於記憶編碼的連續吸引子網路設計方法。研究內容包括： 在已有的連續吸引子的概念的基礎上，首次對連續吸引子的吸引性進行了研究，給出了連續吸引子的漸近穩定和指數穩定的定義；另外也得出了連續吸引子在收斂的方向性方面的結論。建立了一整套完善的連續吸引子理論和研究方法，給研究連續吸引子的人們提供了理論基礎。 在研究背景輸入對網路連續吸引子的影響方面，當給背景輸入一個小的擾動，網路的連續吸引子會產生整體漂移現象，但方向不發生改變。另外，發現了當背景輸入呈周期震盪時，出現的周期性連續吸引子形式。由於在很多大腦區域中，由於有規律的背景輸入導致的周期振盪狀態非常普遍，所以該發現對研究大腦的活動非常有意義。 對突觸連線權值的穩定性進行了分析。建立了基於SRM的自聯想記憶模型，改進了Jensen 等提出的突觸學習方法，保證了網路連線權值的收斂性，完成對連續記憶模式的編碼。同時發現了使網路具有多個連續吸引子存在的內在機制，明顯提高了網路的記憶能力。從大腦存儲記憶的層面來說，這一發現也進一步驗證了“連續吸引子是大腦信息處理的主要機制”的生物學假設。我們可以利用這一結論採用連續吸引子網路來完成記憶的存儲。 研究了幾類非線性網路，包括線性閾值網路、細胞神經網路、Lotka-Volterra神經網路和一類非線性程度較高的Divisive Normalization網路，給出了連續吸引子的清晰表達，用連續吸引子完成了外界輸入信號在網路中的集群編碼，並成功解決了智慧型機器人的路徑搜尋問題。 這一系列問題的解決，必將對機器智慧型理論的發展起重要推動作用。