Гибридная реализация нейроморфной системы управления роботами

Гибридная реализация нейроморфной системы управления роботами

Смоляков Иван Юрьевич
Санкт-Петербургский Политехнический университет Петра Великого (СПбПУ), инженер-программист, 195251, Санкт-Петербург, ул. Политехническая, 29, тел.: +7(981)847-54-35, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Станкевич Лев Александрович
к.т.н., доцент, Центральный научно-исследовательский и опытно-конструкторский институт робототехники и технической кибернетики (ЦНИИ РТК), в.н.с., 194064, Санкт-Петербург, Тихорецкий пр., д. 21; ООО «АйБрейн», начальник отдела разработки, тел.: +7(911)751-16-56, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.


Материал поступил в редакцию 19 августа 2021 года.

Аннотация

В статье предлагается новый подход к реализации нейроморфной системы на основе гибридной модели нейрона, выполненной в нейро-нечетком базисе. Описан ближайший аналог – модель Neo-fuzzy нейрона. В качестве прототипа для построения гибридной модели выбрана нейрологическая кластерная модель, ранее разработанная с участием авторов. Приведены основные процедуры обработки и обучения этой модели отображению заданной функции, а также дополнительные процедуры кодирования импульсных входов и синтеза импульсных выходов. Используя эти процедуры, реализована новая гибридная модель спайкового нейрона, отображающая функцию традиционной модели нейрона Ижикевича. Показано, что гибридная модель требует меньше вычислительных ресурсов. На основе нового варианта гибридной модели разработана и тестирована спайковая нейроморфная сеть для управления движениями мобильного робота по заданной траектории. Предполагается, что, используя гибридный вариант модели нейрона, проще реализовать аппаратную версию спайковых нейроморфных сетей, чем при использовании моделей нейронов на дифференциальных уравнениях. На базе таких аппаратно реализованных сетей можно создавать эффективные нейроморфные системы управления мобильными роботами.

Ключевые слова
Нейроморфная система, спайковая нейроморфная сеть, гибридная модель нейрона, нейро-нечеткий базис, управление мобильным роботом.

Благодарности
Работа проводилась в рамках выполнения государственного задания Минобрнауки России № 075-00913-21-01 «Разработка и исследование новых архитектур реконфигурируемых растущих нейронных сетей, методов и алгоритмов их обучения».

DOI
10.31776/RTCJ.9406

Индекс УДК 
004.896

Библиографическое описание
Смоляков И.Ю. Гибридная реализация нейроморфной системы управления роботами / И.Ю. Смоляков, Л.А. Станкевич // Робототехника и техническая кибернетика. – Т. 9. - №4. – Санкт-Петербург : ЦНИИ РТК. – 2021. – С. 289-298. – Текст : непосредственный.

Литература

  1. Maass W. On the Computational Complexity of Networks of Spiking Neurons / W. Maass // NIPS'94. — 1994. — Рp. 183–190. — Text : unmediated.
  2. A Spiking Neural Network System for Robust Sequence Recognition / Yu Q., Yan R., Tang H. [et al]. — // IEEE Transactions on Neural Networks and Learning Systems. — IEEE, Volume: 27, Issue: 3, March 2016. — Рp. 621–635. — DOI: 10.1109/TNNLS.2015.2416771. — Text : unmediated.
  3. Izhikevich E. M. Simple model of spiking neurons / E. M. Izhikevich // IEEE Transactions on Neural Networks. — IEEE, Volume: 14, Issue: 6, Nov. 2003. — Рp. 1569–1572. — DOI: 10.1109/TNN.2003.820440. — Text : unmediated.
  4. Bodyanskiy Ye. Extended neo-fuzzy neuron in the task of images filtering / Ye. Bodyanskiy, N. Kulishova // Radio Electronics Computer Science Control. — 2014. — № 1. — Рp. 112–119. — Text : unmediated.
  5. Multilayer GMDH-neuro-fuzzy network based on extended neo-fuzzy neurons and its application in online facial expression recognition / Ye. Bodyanskiy, Yu. Zaychenko, G. Hamidov, N. Kulishova // System Research and Information Technologies. — 2020. — № 3. — Рp. 66–77. — DOI: 10.20535/SRIT.2308-8893.2020.3.05. — Text : unmediated.
  6. Станкевич Л. А. Когнитивные системы и роботы: монография / Л. А. Станкевич. — Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2019. — 631 С. — Текст : непосредственный.
  7. Zadeh L. A. The concept of a linguistic variable and its application to approximate reasoning—I / L. A. Zadeh // Information Sciences. — 1975. — Vol. 8, Issue 3. — Рp. 199-249. — DOI: 10.1016/0020-0255(75)90036-5. . — Text: unmediated.
  8. Julia: A Fast Dynamic Language for Technical Computing / J. Bezanson, S. Karpinski, V. Shah, A. Edelman // arXiv:1209.5145v1 [cs.PL], 2012. — URL: https://arxiv.org/pdf/1209.5145.pdf (дата обращения: 15.11.2021). — Text: electronic.
  9. Rackauckas, Ch. Differential Equations.jl – A Performant and Feature-Rich Ecosystem for Solving Differential Equations in Julia / Ch. Rackauckas // https://openresearchsoftware.metajnl.com : [site]. — URL: https://openresearchsoftware.metajnl.com/articles/10.5334/jors.151/ (дата обращения: 22.11.2021). — Text : electronic.
  10. Evolutionary.jl // https://github.com : [site]. — URL: https://wildart.github.io/Evolutionary.jl/stable/ (дата обращения: 22.11.2021). — Text : electronic.

 

Полный текст статьи (pdf)

Адрес редакции:  Россия, 194064, Санкт-Петербург, Тихорецкий пр., 21   Тел.: +7(812) 552-13-25 e-mail: zheleznyakov@rtc.ru 
 
 
vk2    tg2