30、多感官整合与俄罗斯方块学习时间优化研究

多感官整合与俄罗斯方块学习时间优化研究

多感官整合相关任务介绍

在多感官整合的研究中，有多个不同的任务被用于探索神经网络在不同情境下的表现。

1. “条件扫描”任务

   • 任务设置 ：该任务的“视觉”和“触觉”通道大小均为 11 × 11，且有不同的输入图像。视觉通道始终处于激活状态，而触觉通道只有在进行触觉扫描后才会激活。初始网络有两个完全分离的分区，一个包含视觉输入场、内部场和输出场，另一个包含触觉通道、另一个隐藏场和另一个输出场（其状态被忽略），后续进化可添加更多场或进行连接。
   • 可能动作及奖励机制 ：网络有三种可能的动作，分别是扫描、分配到“好”类或分配到“坏”类。“扫描”会使整个图像一次性出现在触觉通道上。神经网络对“坏”模式进行正确分类可获得 10 个适应度点，对“好”模式进行正确分类可获得 5 个适应度点，若在一个回合中未使用扫描动作则可获得 1 个适应度点，最高可获得的适应度为 27。
   • 行为距离计算 ：行为距离的计算方式与之前的任务相同。

2. 多感官分类任务

   • 任务设置 ：网络有一个大小为 11 × 11 的视觉输入通道，在不同回合中会显示 4 种不同类别的 32 个模式，但这些模式噪声很大。较亮区域的像素由均值为 0.1、方差为 0.3 的正态分布生成，较暗区