事件日历

SE博士决赛答辩：孙泽新

题目：生物启发网络中的控制和学习

指导老师：John Baillieul SE， ME， ECE

委员会：Ioannis Paschalidis ECE， SE， BME；肖恩·安德森，ME， SE；罗伯特·特隆ME， SE

摘要：动物的自主运动通常是由初级皮层中产生的高层次意图发起的，这种意图是通过对当前环境状态的感知以及对过去类似状态的反应的记忆的结合而产生的。肌肉运动是神经过程的结果，在神经过程中，大量神经元的平行活动产生信号，共同导致期望的动作。受此启发，我们提出了神经模拟系统和澳门威尼斯人注册网站研究模型，其中级联神经活动是生物运动控制的基础。该澳门威尼斯人注册网站研究涉及两个不同尺度的模型：一个是微观尺度，其重点是大型简单输入集的并行活动，其作用类似于生物系统中的神经元集；另一个是宏观尺度，网络模型的不同区域相互操作并显示神经生物学中观察到的特征。在微观尺度上，我们考虑以输入和输出通道数量大于状态维度为特征的过完备线性系统。设计了一种弹性控制器和观测器，其操作可以容忍输入输出信道间歇甚至完全丢失。我们还提出了一种原则性的量化，其中控制信号被编码为简单的离散输入，这些输入通过输入通道共同作用，这些通道是过完备模型的标志。与神经模拟范例一致，提出了一个仿真问题，进而定义了一个最优量化问题。讨论了几种可能的方法，包括直接组合优化，类hebbian迭代学习算法和深度q -学习（DQN）方法。对于正在考虑的问题，优化的机器学习方法提供了澳门威尼斯人注册最优解和邻近次最优解之间比较的有价值的见解。同时，我们还利用Koopman算子和深度确定性策略梯度（DDPG）算法将仿真问题扩展到非线性系统。在宏观尺度上，我们提出了一个受生物学启发的网络模型，该模型具有由Hebbian学习调节的动态连接。利用图论和经典控制的机制，我们展示了我们的新型非线性模型显示出诸如有界进化、稳定性、弹性和一种结构稳定性等生物学上合理的特征——这意味着模型参数的扰动实际上保留了模型的基本属性。所提出的网络模型涉及具有多个控制输入节点的广义仙人掌图，并证明了网络的特性对网络拓扑的各种变化具有弹性，前提是这些变化保持了广义仙人掌的结构。下面描述的一个具体例子是猕猴视觉系统的理想化网络模型。该模型显示了对网络中断的弹性，例如由于疾病或脑损伤而可能发生在生物体中的网络中断。