视觉模型中的抑制突触可塑性研究

研究了神经元抑制性突触的可塑性和在视觉模型中的作用。在一个三层前馈视觉模型中,除了考虑兴奋性突触的可塑性外,将抑制性突触的可塑性加入到模型中。比较了赫布学习和反赫布学习窗口,发现抑制性突触在反赫布学习窗口下符合视觉系统的生物特性;并进一步研究了抑制性突触可塑性对眼优势可塑性的影响,发现抑制性突触权重在可塑性学习下增大,是导致眼优势关键期关闭重要的原因。研究结果一方面有助于更好地理解脑视觉神经网络的可塑性;另一方面对于治疗斜视、弱视等视觉疾病提供理论依据。

基于类脑认知与贝叶斯估计的仿生建图方法

针对同步定位与地图构建(SLAM)过程中因传感器累积误差、干扰等情况造成定位精度不高的问题,借鉴哺乳动物海马空间对多源信息的认知与整合机理,提出一种新型空间认知模型和融合贝叶斯估计的误差修正方法.首先,建立视觉线索的模拟机制,并对头朝向细胞和3D网格细胞进行建模;其次,构建反赫布学习递归神经网络完成对特定位置的编码,实现机器人对时空经验信息稳定的表达;最后,采用贝叶斯估计原理,建立原位置细胞邻域空间,提出结合位置细胞放电率的误差修正策略.与NeuroSLAM,OKVIS和VINS算法在EuRoC公开数据集上进行对比测试,结果表明:本文算法能够整合多源环境信息实现认知地图构建,最大绝对平移误差为0.727 m,最大绝对旋转误差为0.442.