33、TempUnit：一种受生物启发的脉冲神经网络

TempUnit：一种受生物启发的脉冲神经网络

1. 引言

形式神经网络有诸多应用，如任务控制（运动控制）和语音生成等应用存在一些共同约束。以下是基于神经网络的系统若要实现此类控制需遵循的七个主要约束：
1. 学习能力 ：神经网络通常具备一定学习能力，在运动控制或语音生成系统中，学习能力尤为重要，它能使系统建立运动指令与实际动作间的联系。在真实系统中，效应器可能因各种原因发生变化，所以神经网络需持续具备学习能力，即能改变其传递函数，这种学习方式属于监督学习。
2. 逆模型 ：运动控制模型主要分为反应式和预测式两类。反应式模型通常为闭环系统，依赖感官反馈更新运动指令，但对于多数运动，感官反馈速度过慢，难以实现高效运动控制。预测式模型需计算前向函数，以根据运动指令预测效应器活动，而逆函数更有用，它能根据期望的运动输出确定运动指令。
3. 语法规则 ：在语言学中，语法是定义单词链以形成句子的规则集。在语音生成控制中，系统需遵循语法规则；在运动控制中，同样重要，因为肢体在特定位置时，无法立即到达任意其他位置，神经网络需严格遵循系统从一个状态到另一个状态的链式规则。
4. 决策节点 ：前馈系统的主要问题是缺乏灵活性，系统应能中断运动程序的执行以改变方向，因此需集成能在每个时间步处理决策节点的过程，使系统朝不同方向发展。
5. 范围限制 ：将系统保持在可能值的范围内是任务控制系统的重要约束，还需集成处理异常值的机制，以避免系统受损。
6. 复杂度