Нейроморфная модель ассоциативной памяти при формировании описания рабочей среды робототехнического агента

Нейроморфная модель ассоциативной памяти при формировании описания рабочей среды робототехнического агента

Корсаков Антон Михайлович
Центральный научно-исследовательский и опытно-конструкторский институт робототехники и технической кибернетики (ЦНИИ РТК), с.н.с., 194064, Санкт-Петербург, Тихорецкий пр., д. 21, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID: 0000-0002-6132-7504

Материал поступил в редакцию 17 февраля 2022 года.

Аннотация
В статье рассмотрен подход к решению задачи описания рабочего пространства робототехнического агента, основанный на нейроморфном принципе. В качестве базового элемента при моделировании использована сегментная спайковая модель нейрона с возможностью структурной адаптации. Указаны основные особенности используемой модели нейрона с точки зрения возможностей её структурного реконфигурирования. В качестве основы модели для описания рабочего пространства робототехнического агента выбрана схема формирования условного рефлекса у живых организмов. Приведена структурная схема нейроморфной модели формирования условного рефлекса, а также общая схема модели формирования ассоциативной памяти. Приведено пошаговое описание алгоритма формирования ассоциативных связей в такой схеме. Представлен принцип формирования тормозных связей при появлении конкурирующих признаков у нескольких объектов. В статье приведены результаты компьютерного моделирования на модельном примере. Сделан вывод о применимости выбранной модели нейрона и схемы организации нейронов в сеть для решения задачи описания рабочего пространства робототехнического агента.

Ключевые слова
Сегментная спайковая модель нейрона, нейроморфная система, условный рефлекс, ассоциативная память, реконфигурируемые растущие нейронные сети.

Благодарности
Работа проводилась в рамках выполнения государственного задания Минобрнауки России № 075-01623-22-00 «Исследование и разработка биоподобной системы управления поведением мобильных роботов на базе энергоэффективных программно-аппаратных нейроморфных средств».

DOI
10.31776/RTCJ.10304

Индекс УДК 
519.711.2

Библиографическое описание
Корсаков А.М. Нейроморфная модель ассоциативной памяти при формировании описания рабочей среды робототехнического агента / А.М. Корсаков // Робототехника и техническая кибернетика. – Т. 10. - № 3. – Санкт-Петербург : ЦНИИ РТК. – 2022. – С. 190-200. – Текст : непосредственный.

Литература

  1. Language, memory, and thought / Anderson J.R. // Hillsdale, New Jersey: L. Erlbaum Associates Inc Publishers. – Text: unmediated.
  2. Conditioned reflexes: an investigation of the physiological activity of the cerebral cortex / Pavlov Ivan P. // Annals of neurosciences, 12, 3, pp. 136, 1976. – DOI: 10.5214/ans.0972-7531.1017309 (дата обращения: 14.06.2022). – Text: electronic.
  3. Cooper L.N. Memories and memory: a physicist’s approach to the brain / Cooper L.N. // International journal of modern physics A. WORLD SCIENTIFIC PUBLISHING CO PTE LTD, 15, 26, pp. 4069-4082, 2000. – Text: unmediated.
  4. Gurney K. An introduction to neural networks / Gurney K. – London: CRC press, 2018. – p. 234. – DOI: 10.1201/9781315273570 (дата обращения: 14.06.2022). – Text: electronic.
  5. Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities / Hopfield J.J. // Proceedings of the national academy of sciences. National Acad Sciences, 79, 8, pp. 2554-2558, 1982. – DOI: https://doi.org/10.1073/pnas.79.8.2554 (дата обращения: 14.06.2022). – Text: electronic.
  6. Munakata T. Fundamentals of the new artificial intelligence: neural, evolutionary, fuzzy and more / Munakata T. // Springer Science & Business Media, 2008. – Text: unmediated.
  7. Pershin Y.V. Experimental demonstration of associative memory with memristive neural networks / Pershin Y.V. and Di Ventra M. // Neural networks. Elsevier, 23, 7, pp. 881-886, 2010. – DOI: https://doi.org/10.1016/j.neunet.2010.05.001 (дата обращения: 14.06.2022). – Text: electronic.
  8. Zhang Y. Implementation of memristive neural networks with spike-rate-dependent plasticity synapses / Zhang Y., Zeng Z. and Wen S. // 2014 International Joint Conference on Neural Networks (IJCNN), pp. 2226-2233, 2014. – DOI: 10.1109/IJCNN.2014.6889740 (дата обращения: 14.06.2022). – Text: electronic.
  9. Liu X. Implementation of Memristive Neural Network With Full-Function Pavlov Associative Memory / Liu X., Zeng Z. and Wen S. // IEEE Transactions on Circuits and Systems I: Regular Papers, 63, 9, pp. 1454-1463, 2016. – DOI: 10.1109/TCSI.2016.2570819 (дата обращения: 14.06.2022). – Text: electronic.
  10. An H. Realizing Behavior Level Associative Memory Learning Through Three-Dimensional Memristor-Based Neuromorphic Circuits / An H., An Q. and Yi Y. // IEEE Transactions on Emerging Topics in Computational Intelligence, 5, 4, pp. 668-678, 2021. – DOI: 10.1109/TETCI.2019.2921787 (дата обращения: 14.06.2022). – Text: electronic.
  11. Bakhshiev A.V. Mathematical Model of the Impulses Transformation Processes in Natural Neurons for Bio-logically Inspired Control Systems Development / A.V. Bakhshiev, F.V. Gundelakh // Supplementary Proceedings of the 4th International Conference on Analysis of Images, Social Networks and Texts (AIST-SUP 2015), Yekaterinburg, Russia, April 9-11, 2015. Published on CEUR-WS, 1452, pp. 1-12, 2015. – Text: unmediated.
  12. Bakhshiev A.V. CSNM: The Compartmental Spiking Neuron Model for Developing Neuromorphic Information Processing Systems / A.V. Bakhshiev, A.A. Demcheva and L.A. Stankevich // Studies in Computational Intelligence, 1008 SCI, pp. 327-333, 2022. – DOI: 10.1007/978-3-030-91581-0_43 (дата обращения: 14.06.2022). – Text: electronic.
  13. Структурная адаптация сегментной спайковой модели нейрона / А.В. Бахшиев [и др.] // VII всероссийская конференция «Нелинейная динамика в когнитивных исследованиях – 2021»: труды, Нижний Новгород, 20-24 сентября 2021 года, с. 30-33, 2021. – Текст: непосредственный.
  14. Асратян Э.А. Учение академика И.П. Павлова о высшей нервной деятельности / Э.А. Асратян. – Москва: Знание. – 1956. – 31 с. – Текст: непосредственный.
  15. Корсаков А.М. Реализация поведенческих функций на спайковых нейронных сетях / А.М. Корсаков [и др.] // Информатика и автоматизация, 20, 3, с. 590-621, 2021. – DOI: https://doi.org/10.15622/ia.2021.3.4 (дата обращения: 14.06.2022). –Текст: электронный.
  16. Бахшиев А.В. Библиотека средств разработки моделей нейронных сетей со сложной и динамически меняющейся архитектурой–NMSDK / А.В. Бахшиев // Всероссийский семинар «Нейроинформатика, ее приложения и анализ данных»: материалы, с. 8-10, 2010. – Текст: непосредственный.
  17. Архитектура Программной Платформы Для Разработки Средств Моделирования Растущих Спайковых Нейронных Сетей / А.В. Бахшиев [и др.] // Всероссийский семинар «Нейроинформатика, ее приложения и анализ данных»: материалы, с. 3-10, 2020. – Текст: непосредственный.
  18. The architecture of a software platform for growing spiking neural networks simulator developing / A.V. Bakhshiev [et al] // Journal of Physics: Conference Series, pp. 42001, 2020. – Text: unmediated.

Полный текст статьи (pdf)