arXiv cs.AI· Artem Guba, Nikolay Kovalev, Alexey Zharinov, Vacheslav Demin, Viktor B. Kazantsev·· 23 小时前AI 评分18
仿生脉冲神经网络中反相同步的分层控制用于运动控制
Hierarchical Control of Antiphase Synchronization in Biomorphic Spiking Neural Architectures for Locomotor Control
AI 导读
研究提出一种在闭环神经肌肉回路中的仿生脉冲CPG模型里识别并稳定反相同步的框架,并构建融合相位一致性、幅度平衡与时间稳定性的复合同步指标。统计分析显示刺激类型主导动态区域判定,持续驱动产生最稳健的反相同步,周期性输入则引发非线性饱和与情境依赖的网络路由。突触权重虽单独区分能力有限,但可显著调节特定刺激情境下的稳健性,其中交互Ia中间神经元连接是关键稳定因素。
正文 · AI 翻译
摘要:中枢模式发生器(CPG)为自适应运动控制提供了受生物学启发的基础,然而系统性地刻画其在脉冲神经网络中的动态机制仍然具有挑战性。本研究引入了一个框架,用于识别并稳定嵌入闭环神经肌肉回路中的生物形态脉冲 CPG 模型中的反相同步。我们开发了一种复合同步指标,整合了相位一致性、幅度平衡和时间稳定性。其性能在系统变化的各种刺激波形和突触配置下进行了评估。统计分析表明,刺激类型主导了机制状态的判定,其中强直驱动产生了最稳健的反相同步。周期性输入会引发非线性饱和和情境依赖的网络路由。尽管仅凭突触权重本身区分能力有限,但它们在给定刺激情境下显著调节稳健性,其中交互 Ia 中间神经元连接成为关键的稳定因素。所提出的复合指标实现了稳健的反相检测,优于传统的仅相位度量,同时保留了生物物理可解释性。这些发现建立了一种经统计验证的分层建模方法,其中外部驱动定义了工作状态,而针对性的突触配置则微调动态稳定性,为闭环神经力学控制器和自适应神经假体接口提供了可操作的指导。
| 评论: | 10 页,5 幅图 |
| 主题: | 神经元与认知(q-bio.NC);人工智能(cs.AI) |
| 引用为: | arXiv:2611.22639 [q-bio.NC] |
| (或 arXiv:2611.22639v2 [q-bio.NC] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.22639 由 DataCite 颁发的 arXiv DOI |
提交历史
来自:Artem Guba [查看电子邮件]
[v1]
2026 年 11 月 17 日星期二 11:55:19 UTC(5,402 KB)
[v2]
2026 年 11 月 18 日星期三 11:10:15 UTC(5,402 KB)
来源:arXiv cs.AI · arxiv.org