郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！
International Conference on Brain Inspired Cognitive Systems, 2016
Abstract
在本文中，我们提出了一种用于决策的自主脉冲神经网络模型。该模型是具有自动环境感知功能的基底神经节电路的扩展，它根据图像输入自动构建环境状态。本文的工作有以下贡献：(1) 在我们的模型中，开发了简化的Hodgkin-Huxley计算模型以实现接近LIF模型的计算效率，用于获取和测试认识。(2) 提出了一种基于脉冲的运动感知机制，无需大量训练即可从原始像素中提取学习过程的关键元素。我们将我们的模型应用到了“appybird”游戏中，经过几十次训练，它运行良好。该模型在训练开始时获得与人类相似的学习性能。此外，我们的模型模拟了在Hodgkin-Huxley模型中阻断某些钠或钾离子通道时的认知缺陷，这是对离子水平认知的探索。
Keywords: Spiking neural network, Hodgkin-Huxley, Basal Ganglia, motion perception
1 Introduction
2 Previous Work
2.1 The Basal Ganglia Model
2.2 A Spike Coding Model of the Basal Ganglia
2.3 The Hodgkin-Huxley Model
3 Methods
3.1 The Simplified Computing Hodgkin-Huxley Model
3.2 Spike Based Motion Perception
3.3 Spiking Neural Network Based Autonomous Reinforcement Learning Model
4 Experiments and Applications
4.1 The simplified Hodgkin-Huxley Model
4.2 Autonomous Reinforcement Learning Model in the Game
A. The Motion Perception
B. Playing the Game
C. Ionic Property Test of the H-H Model
5 Conclusion