SPAUN-V：大脑仿真系统SPAUN的视觉感知增强设计与实现

摘要

近些年，大批科学家投身于大脑仿真领域，提出了规则系统等重要概念，并进行了一系列大型的大脑仿真项目的研究和开发，比如著名的“蓝脑计划”、“SPAUN”等。其中，SPAUN是最具影响力的大脑仿真系统之一。SPAUN与其它大脑仿真系统的不同之处在于它不仅能够对大脑的功能形式进行模拟，还能展示这些功能如何作用于各种认知行为。但是，SPAUN的视觉感知能力十分有限，它仅仅能对特征简单的符号和数字信息进行视觉感知，而不具备对特征复杂的物体信息进行视觉感知的能力。
　　为了增强SPAUN的视觉感知能力，对SPAUN的体系架构进行了修改，并根据它构建了视觉感知增强的大脑仿真系统SPAUN-Ⅴ。它不仅能够对特征较为简单的数字和符号进行视觉感知，还能对特征更加复杂的物体信息进行视觉感知，比如一条狗、一辆车等。将这些图像输入到视觉感知能力增强后的大脑仿真系统，通过系统对图像信息的解释、编码、存储和解码，最终由一个模拟的机械手进行结果的输出，完成类似于人类“眼-脑-手”的信息处理流程。
　　本文的主要贡献有:
　　1)尝试使用两种视觉感知方法，并对两种视觉感知方法的结果进行比较，选择出更适用于SPAUN-Ⅴ的视觉感知方法。
　　2)对SPAUN原有的体系结构进行了修改，提出了用于进行视觉感知增强的大脑仿真系统体系结构，完成SPAUN-Ⅴ的构建。
　　3)使用SPAUN-Ⅴ设计了一个对数字和物体图像进行识别的应用，并基于这个应用设计了一个可对数字和物体图像进行分类的新应用。

目录

声明

摘要

图目录

表目录

第1章 绪论

1．1 课题背景

1．2 研究动机

1．3 问题提出与分析

1．4 论文组织结构

1．5 本章小结

第2章 关键技术综述

2．1 NEF

2．2 语义指针体系

2．3 视觉感知方法

2．4 大脑仿真系统SPAUN

2．5 本章小结

第3章 SPAUN-V系统架构和视觉感知设计

3．1 SPAUN-V系统框架

3．2 视觉感知数据的处理

3．3 使用基于RBM的自动编码器作为视觉感知方法

3．3．1 自动编码器的网络结构和训练方法

3．3．2 使用自动编码器的感知结果

3．4 使用卷积神经网络作为视觉感知方法

3．4．1 卷积神经网络的网络结构和训练方法

3．4．2 卷积神经网络的感知结果

3．5 本章小结

第4章 感知层和动作输出层的联接实现

4．1 感知层数据的表示和生成方法

4．2 动作输出层的工作方法

4．3 视觉感知部分与大脑皮层其他部分以及感知层与动作输出层的联接

4．4 本章小结

第5章 SPAUN-V应用案例

5．1 系统输入信息及环境配置

5．1．1 实验介绍和实验的输入信息

5．1．2 实验环境配置

5．2 SPAUN-V应用1—图像识别

5．3 SPAUN-V应用2—图像分类

5．4 本章小结

第6章 工作总结与未来展望

6．1 工作总结

6．2 未来展望

参考文献

攻读硕士学位期间主要的研究成果

致谢