人工智能：類腦計算及應用

王東署，博士，鄭州大學電氣與信息工程學院教授，博導，美國密歇根州立大學計算機科學與工程系訪問學者。長期從事機器人自主心智發育，機器學習，人工智能，類腦計算，機器人類腦智能控制等方面的研究。主持並參與完成國家自然科學基金項目4項，參與完成科技部國家重點研發計劃項目2項，主持完成省部級科研項目4項，主持參與橫向項目10余項。以第一作者和通訊作者在IEEE TNNLS, IEEE TCDS, IEEE TAI, IEEE TITS, Information Sciences, Pattern Recognition，控制理論與應用，控制與決策等國內外著名期刊上發表SCI/EI論文70余篇。近年來主編學術著作3部，授權國家發明專利15項，獲省科技進步二等獎一項。

目錄

第1 章腦的基本組成 1

1.1 腦的定位及腦的組成 1

1.1.1 腦的定位 1

1.1.2 腦的組成 1

1.2 大腦的功能 3

1.3 大腦皮層分區 5

1.3.1 解剖學分區 5

1.3.2 功能分區 7

1.3.3 細胞機構學分區 9

第2 章機器人自主心智發育 11

2.1 大腦發育和機器人自主心智發育 11

2.1.1 自主心智發育的概念 11

2.1.2 自主發育的特性 12

2.2 發育網絡 13

2.2.1 發育網絡學習算法：葉成分分析法 14

2.2.2 Top-k 競爭機制 16

2.2.3 神經元再生機制 16

2.2.4 突觸維護 17

2.3 發育網絡-2  21

2.3.1 發育網絡-2 的新機制 21

2.3.2 發育網絡-2 的工作原理 22

2.4 發育網絡-3  24

2.4.1 發育網絡-3 生命級算法 24

2.4.2 發育網絡-3 時間級算法 25

2.5 6 種主要的神經調節遞質 26

2.5.1 谷氨酸 27

2.5.2 伽馬氨基丁酸 27

2.5.3 多巴胺 28

2.5.4 5-羥色胺 28

2.5.5 乙酰膽堿 29

2.5.6 去甲腎上腺素 30

2.6 調節發育網絡 31

第3 章基於發育網絡的大腦聽覺神經系統模擬 34

3.1 聽覺外周及信息傳輸通道 34

3.1.1 外耳 34

3.1.2 中耳 35

3.1.3 內耳 35

3.1.4 聽覺外周信息傳導通路 36

3.2 聽覺中樞及神經傳輸通道 36

3.2.1 聽覺中樞 36

3.2.2 神經傳導通路 37

3.3 仿人聽覺系統的發育網絡模型及實現 39

3.3.1 聽覺外周的模擬 39

3.3.2 聽覺中樞的模擬 40

3.3.3 聽覺系統模擬實驗及分析 42

3.4 比較實驗與分析 45

3.4.1 單詞部分 45

3.4.2 短語部分 47

3.4.3 對比實驗 48

第4 章基於發育網絡的大腦視覺神經系統模擬 51

4.1 視覺信息傳輸通道 51

4.2 基於發育網絡的人臉識別研究 52

4.2.1 圖像識別網絡框架 52

4.2.2 圖像灰度歸一化處理 52

4.2.3 網絡計算 53

4.2.4 實驗結果與分析 54

4.3 基於Where-What 網絡的人臉識別研究 58

4.3.1 Where-What 網絡概述 58

4.3.2 Where-What 網絡結構 59

4.3.3 網絡計算 61

4.3.4 實驗結果與分析 61

第5 章基於發育網絡的視覺-聽覺雙模發育系統模擬 73

5.1 視覺-聽覺雙模發育系統原理 73

5.2 3 個信息傳輸通路 74

5.2.1 聽覺發育通路 74

5.2.2 視覺發育通路 75

5.2.3 視覺-聽覺雙模發育通路 75

5.3 視覺-聽覺雙模發育系統實驗與分析 76

5.3.1 實驗數據集 76

5.3.2 實驗設計 77

5.3.3 訓練過程 78

5.3.4 測試過程 80

5.3.5 實驗結果與分析 82

5.3.6 對比實驗 87

第6 章模擬小腦學習機理的機器人行為決策 90

6.1 小腦的運動學習功能 90

6.2 模擬小腦監督學習的機器人行為決策 90

6.2.1 調節發育網絡結構 90

6.2.2 多巴胺和5-羥色胺系統工作原理 92

6.2.3 延遲獎勵 93

6.2.4 仿真實驗 94

6.3 集成基於獎勵學習和基於誤差學習的小腦學習模型 99

6.3.1 小腦學習模型的神經生理學基礎 99

6.3.2 增量式自組織發育網絡.100

6.3.3 小腦學習模型 103

6.3.4 神經元再生機制 108

6.3.5 實驗結果與分析 111

第7 章集成小腦和基底神經節學習機理的機器人行為決策 121

7.1 基底神經節的運動學習功能.121

7.2 集成小腦監督學習和基底神經節強化學習的機器人行為決策 121

7.2.1 基底神經節模塊 123

7.2.2 小腦模塊 125

7.2.3 混合模型 125

7.2.4 實驗結果與分析 126

7.3 機器人柔性類腦學習模型及實現 134

7.3.1 改進的前扣帶回模型 134

7.3.2 小腦和基底神經節子系統結合方式的改進 139

7.3.3 靜態環境實驗結果與分析 140

7.3.4 動態環境實驗結果與分析 144

7.3.5 小腦和基底神經節子系統結合方式改進性能驗證 147

7.3.6 對比實驗 151

第8 章非預期不確定性環境下機器人類腦行為決策 158

8.1 大腦的註意力機制與網絡重置理論 158

8.1.1 大腦註意力機制 158

8.1.2 網絡重置理論 159

8.2 基於調節發育網絡的機器人類腦行為決策 159

8.2.1 神經調節系統的生理學基礎 159

8.2.2 改進的調節發育網絡模型 159

8.2.3 類腦學習方案設計 161

8.2.4 靜態環境實驗結果與分析 165

8.2.5 動態環境實驗結果與分析 167

8.2.6 復雜環境下的對比試驗 168

8.2.7 比較試驗結果與分析 170

8.2.8 物理實驗 172

8.3 基於視覺註意力機制的機器人類腦行為決策 176

8.3.1 視覺註意力機制的實現 176

8.3.2 視覺註意力網絡 178

8.3.3 類腦學習方案設計178

8.3.4 靜態環境實驗結果與分析 181

8.3.5 動態環境實驗結果與分析 184

8.3.6 比較試驗結果與分析 188

第9 章模擬大腦記憶機理的機器人行為決策 190

9.1 記憶鞏固與記憶重組 190

9.1.1 記憶鞏固 190

9.1.2 記憶重組 191

9.2 記憶轉換與記憶回放 192

9.2.1 記憶轉換 192

9.2.2 記憶回放 193

9.3 好奇心觸發的機器人類腦學習模型與實現 194

9.3.1 好奇心對記憶的促進作用 194

9.3.2 好奇心驅動的海馬體-前額葉-前扣帶回記憶模型 195

9.3.3 實驗結果與分析 200

9.4 模擬記憶轉換機理的機器人類腦行為決策 208

9.4.1 機器人行為決策模型構建 208

9.4.2 發育網絡模型的工作原理 209

9.4.3 靜態環境實驗結果與分析 211

9.4.4 對比實驗結果與分析 215

9.4.5 物理實驗 216

9.4.6 小結 219

9.5 引入記憶回放機理的機器人類腦行為決策 219

9.5.1 雙向搜索模型的描述 220

9.5.2 深度雙向搜索模型 223

9.5.3 基於實驗數值指標的綜合評價方法 224

9.5.4 模型驗證 224

9.5.5 仿真實驗 233

9.6 機器人感知學習的計算發育模型及實現 236

9.6.1 非任務過程中的學習 239

9.6.2 側向激勵在非任務過程中如何引起學習遷移 241

9.6.3 靜態環境實驗結果與分析 243

9.6.4 動態環境實驗結果與分析 248

9.6.5 比較實驗結果與分析 250

9.6.6 物理實驗結果與分析 251

第10 章模擬大腦學習與記憶機理的機器人行為決策 256

10.1 未知環境下模擬小腦-基底神經節功能的機器人行為決策模型 256

10.1.1 海馬記憶鞏固機理 256

10.1.2 行為決策模型的構建 256

10.1.3 對原有算法的改進措施 258

10.1.4 仿真實驗 261

10.1.5 實物實驗 265

10.1.6 小結.269

10.2 集成小腦監督學習和基底神經節強化學習的移動機器人行為決策模型 270

10.2.1 模型描述 270

10.2.2 仿真實驗 274

10.2.3 實物實驗 279

10.2.4 小結 282

參考文獻 284