43、顺序手写动作的注意力学习：神经网络模型

顺序手写动作的注意力学习：神经网络模型

1. 引言

在手写动作的学习和执行过程中，存在着诸多复杂的机制和规律。本文将介绍一种神经网络模型，它在模拟人类手写动作方面展现出了出色的性能，能够学习生成具有真实速度轮廓的草书字母，并且体现出多种与人类手写相似的特性。

2. 模型基础机制

在这个模型中，运动速度由一个可控的 GO 信号控制。当以较慢的速度进行学习时，浦肯野细胞（Purkinje cell）响应随时间的密度会降低。这种降低使得负责运动协同指令特定组件的浦肯野细胞活动能够跨越更长的时间周期，这样在误差反馈到来时，会有更多的细胞处于活跃状态。随着速度的增加，误差反馈会更早到来，浦肯野细胞的频谱密度也会增加，从而使更多细胞更早活跃，以采样更早的误差反馈。通过模拟 Fiala 等人（1996）的生化预测频谱定时模型发现，减少平行纤维/浦肯野细胞突触处释放的谷氨酸量，可以降低浦肯野细胞的响应速率，即频谱密度。在 AVITEWRITE 中，通过根据速度改变频谱密度，能够在更广泛的速度范围内实现成功学习。

3. 模型模拟特性

计算机模拟展示了该模型的以下特性：
- 学习生成草书字母 ：模型能够学习生成具有真实速度轮廓的草书字母。例如，AVITEWRITE 通过 37 次追踪模板曲线来学习书写草书字母“l”。在早期试验中，由于新形成的记忆与对曲线上目标的视觉反应运动相互竞争以控制运动，会出现错误。记忆控制最初较差，需要进行纠正性的反应运动，从而产生分段轨迹和由几个离散峰值组成的速度轮廓。随着学习的进行，性能逐渐提高，书写时间减少，到第 37 次试验时，协同激活的记忆表征能够驱动准确、快速的书写运动