طراحی الگوریتم یادگیری مبتنی بر شبکهصی عصبی spiking برای جلوگیری از برخورد با مانع و رسیدن به هدف در رباتها به صورت همزمان
Parallel Title Proper
Design of learning algorithm based on spiking neural network for concurrent obstacle avoidance and target attraction of robots
First Statement of Responsibility
/فاطمه غفاری
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: فناوری های نوین
Date of Publication, Distribution, etc.
، ۱۳۹۸
Name of Manufacturer
، افشاری
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۷۰ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی مکاترونیک
Date of degree
۱۳۹۸/۰۶/۱۳
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
هدف از این پایانصنامه طراحی یک الگوریتم یادگیری ربات متحرک برای رسیدن به هدف و جلوگیری از برخورد با مانع بصورت همزمان است .برای کنترل ربات یک سیستم یادگیری مبتنی بر شبکة عصبی اسپایکی ایجاد شد .در طی فرآیند یادگیری ارتباط نورونصهای سنسوری و نورونصهای موتوری و دو چرخ ربات در صورتی که به هدف برسد دپامین مثبت یعنی پاداش میگیرد و سیناپسصها تقویت میصشوند اگر ربات به مانع برخورد کند دپامین منفی یعنی تنبیه میصشود و سیناپسصها تضعیف میصشوند .هدف یادگیری تقویت اتصالات نورون سنسوری tarL به موتور راست (MR) و tarR به موتور چپ (ML) است و تقویت اتصالات نورون سنسوری obsL به موتور چپ (ML) و obsR به موتور راست (MR) است .در واقع برای رسیدن به هدف اتصالات غیرصمستقیم را تقویت میصکنیم و برای جلوگیری از برخورد با مانع اتصالات مستقیم را تقویت و غیر مستقیم را تضعیف میصکنیم .نتایج بدست آمده برای مانع و هدفی که در محیط شبیهصسازی شده ثابت هستند قبل از یادگیری تعداد میانگین برخورد با مانع برای پنجاه بار تکرار آزمایش برابر ۵۶ و تعداد رسیدن به هدف برابر ۵۴ بوده است و این مقدار بعد از یادگیری برای برخورد با مانع ۳۲ و رسیدن به هدف برابر ۶۸ رسیده است .و زمان رسیدن به هدف با دپامینصدهی ۳۲ کاهش پیدا کرده است
Text of Note
the purpose of this thesis is to Designing Mobile robot Learning Algorithm for target attraction and avoidance obstacle with the barrier concurrent. A spike neural network based learning system was developed to control the robot.During the learning process, the communication between sensor neurons and motor neurons and two robot wheels will be rewarded with positive dopamine, if the target is reached, and the synapses will be reinforced if negative dopamine is punished and The synapses are weakened. The purpose of learning is to enhance the connections of the tarL sensor neurons to the right motor(MR) and tarR to the left motor(ML), and to enhance the connections of obsL sensors to the left motor(ML) and obsR to the right motor(MR). The results for the obstacle and the target in the simulated environment were constant before learning the mean number of obstacle avoidance to the fifty repetitions of the experiment was 56 and the target attraction was 54 before learning With a 32 for obstacle avoidance and a target attraction of 68 . And the time to reach the target with Dopamine has fallen 32
PARALLEL TITLE PROPER
Parallel Title
Design of learning algorithm based on spiking neural network for concurrent obstacle avoidance and target attraction of robots