波前传播增强的皮层网络环境认知模型

"本文提出了一种改进的皮层网络环境认知模型，主要针对哺乳动物环境认知机制的研究，并结合机器人导航能力的提升。模型的核心是解决奖励传播和路径规划问题，以模拟前额皮层的功能，提高对神经元噪声的鲁棒性。" 在哺乳动物的环境认知中，前额皮层起着至关重要的作用，它与高层次的认知功能紧密相关。研究表明，前额皮层的损伤会影响动物的导航能力，例如在Morris水迷宫任务中的表现。皮层网络由皮质柱构成，这些柱体是根据神经元功能进行分层的结构，它们负责建立感觉输入与动作决策之间的联系，从而使动物具备全面的环境认知能力。 现有的皮层网络建模主要关注奖励传播和路径规划。奖励扩散方法是目前广泛采用的策略，它通过固定系数将奖励值传播到相邻神经元，简单易行。然而，神经元内部的噪声可能会干扰奖励信息的传递，导致模型性能下降，特别是在远距离传播时，奖励信息会衰减。路径规划方面，现有模型如向量法和位置细胞法，虽然能完成基本的导航任务，但它们依赖于已探索区域，无法提供全局最短路径。 为了解决这些问题，本文引入了波前传播方法。这种方法利用集成放电神经元来保持奖励信息的强度，从而减少噪声影响。波前传播已在电生理学实验中得到验证，具有生物合理性。通过结合全局抑制神经元，该模型旨在增强抗噪声能力，同时改进路径规划，使得机器人能够更有效地在未知环境中导航，而不只是局限于已探索区域。 这种改进的皮层网络模型不仅提高了对神经元噪声的鲁棒性，还有望实现更精确、更全局的路径规划。这一研究对理解生物环境认知机制和开发更先进的机器人导航系统具有重要意义，同时也为未来基于皮层网络的计算模型提供了新的思路和方法。