Entwicklung und Analyse eines lernenden, populationsenkodierten Armkontrollsystems

In dieser Arbeit wurde ein lernende, populationsenkodierte Armkontrollssystem entwickelt. Verschiedene Vorhaltensraüme in diesem System werden mit unterschiedlichen Neuronverteilungen ausgelegt und jeder Raum konnte durch die rezeptiven Felder aller Neuronen abgedeckt werden. Der Arm im System kann selbstständig eine zielgerichtete Bewegung ausführen, nachdem ein nicht überwachter Lernprozess ausgeführt wurde. Mit verschiedenen Parametereinstellungen wurden die Qualität der Bewegungen in unterschiedlichen Parameter untersucht. Dadurch konnten die Beeinflussung der verschiedenen Parameter analysieren. Die Untersuchungen können in zwei Phasen unterteilt werden: die nicht überwachte Lernphase und die Ausführungsphase der zielgerichtete Bewegung nach dem Lernen. Im Lernprozess wurde die Qualität sowie Verteilung des gespeicherten Bewegungsvektors durch die nicht zielgerichteten zufälligen Bewegungen überprüft. Die Qualität dieser Bewegungsvektoren kann mit Hilfe von Zwischenwinkel zwischen optimalem und real gespeichertem Bewegungsvektoren oder Trainingsgrad des Bewegungsvektors bewertet werden. Im Ausführungsprozess der zielgerichteten Bewegung kann die Leistung der Bewegungen überprüft werden. Die Leistungen einer Bewegung werden durch die Erreichbarkeit, durch verschiedene Effizienzmaße der Bewegung und durch die Distanz zwischen dem erreichten Endpunkt der Hand nach der Bewegung und dem vordefinierten Zielpunkt bewertet. Aufgrund der oben genannten Untersuchungsmethoden wurde der Einfluss verschiedenen Parameter analysiert. Diese Parameter enthalten verschiedenen neuronalen Verteilungen im Arm-stellungsraum, verschieden neuronal Anzahl, verschiedene Trainingsmethoden sowie Schrittlänge der zufälligen Bewegung im Lernprozess und verschiedener Anfangspunkte des Lernens. Gleichzeitig wurde auch die Qualität der ausgeführten Bewegung in verschiedene Zone des Arm-stellungsraums verglichen.