• 北京工业大学 信息学部 计算智能与智能系统重点实验室(北京 100124);
导出 下载 收藏 扫码 引用

生物学研究表明,位置细胞是大鼠知晓当前所处空间位置的主要依据。由于网格细胞是位置细胞的主要信息输入源,因此需要构建由网格细胞到位置细胞的映射模型。针对这一问题,本文提出一种网格细胞到位置细胞的逆传播误差神经网络映射模型,实现在给定区域内对位置的精确表达。又依据边界细胞对环境边界特异性放电这一生理特性,实现利用边界细胞对网格野位相的周期性重置,使该模型完成任意大小空间中的位置认知。本文设计了仿真实验对比理论位置细胞板的活动情况,又分别对比竞争型神经网络模型的耗时和 RatSLAM 位姿细胞板的定位误差。实验结果表明,本文模型能够得到单一的位置野,并在耗时实验中较竞争型神经网络模型算法效率提高 85.94%;在定位实验中较 RatSLAM 位姿细胞板的平均定位误差下降 41.35%。因此本文提出的位置认知模型不仅可以实现网格细胞到位置细胞之间信息的高效传递,而且能够在任意大小的空间区域内实现自身位置的精确定位。

引用本文: 于乃功, 廖诣深, 郑相国. 一种基于海马位置细胞选择机制的空间认知模型. 生物医学工程学杂志, 2020, 37(1): 27-37. doi: 10.7507/1001-5515.201901044 复制

  • 上一篇

    基于动态优化算法的复杂生物网络的状态调控
  • 下一篇

    基于动态偏定向相干的运动想象因效性网络分析