Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...

More documents

Recommendations

Info

Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre propiedades puramente visuales del objeto y las componentes motoras que rigen el agarre de dicho objeto. R1 propiedades visuales del objeto cIPS copia del programa motor codificado en F5 R2 Mu1 Mu2 A1 AIP / VD AIP / MD A2 W1 W2 261 Ar1 Ar = Ar1 – Ar2 Ar2 HYPBF # 1 HYPBF # 2 AIP / V& M hacia F5 HYPBF # 3 Figura 5.38. Modelo Neuronal multired para la modelización de las interacciones entre las distintas áreas funcionales de AIP. Para completar un modelo computacional que de cuenta de todos los aspectos del agarre expuestos en el modelo conceptual de la Figura 5.37, el nuevo modelo neuronal se amplia con dos unidades de acción motora asociadas cada una de ellas a otras tantas redes neuronales HYPBF (Figura 5.39). La red HYPBF 3 (asociada al área F5) modela la acción de transformación entre la información proveniente de AIP (unidad de matching) en información que pueda ser útil para la red HYPBF 4 (asociada a F1) que es la encargada de la implementación final del movimiento. La capa intermedia de la red HYPBF (A3) se asocia a la actividad de las neuronas visuales y motoras de F5 y la capa de salida (HS) se asocia a la codificación abstracta del estado actual de evolución del programa motor de agarre del objeto (neuronas motoras de F5). Esta información es la que actúa como entrada a la red HYPBF 2 de la unidad de matching y al mismo tiempo a la capa de entrada de la red HYPBF 4 que transforma esta codificación abstracta del programa motor, en una serie de movimientos articulares de los dedos que permiten el agarre final del objeto.
R1 HYPBF # 1 HYPBF # 2 R2 AIP VD Mu1 W1 A1 Mu2 W2 A2 AIP MD Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre AIP VMD Ar1 Ar2 Ar Mu3 A3 W3 HS 262 F5 VM F5 MD HYPBF # 3 Mu4 W4 AJ HYPBF # 4 Figura 5.39. Modelo neuronal multi-red HYPBF propuesto para el aprendizaje y monitorización continua del movimiento de agarre en un sistema antropomorfo. F1
Page 1 and 2:
Universidad Politécnica de Cartage
Page 3 and 4:
Neuro - Robotics constitutes an eme
Page 5 and 6:
The results of the research develop
Page 7 and 8:
Índice General Agradecimientos Int
Page 9 and 10:
5.2 Simulaciones del modelo. Modeli
Page 11 and 12:
Introducción 1 Introducción Intro
Page 13 and 14:
Introducción la hora de inspirar m
Page 15 and 16:
Introducción 1. Análisis experime
Page 17 and 18:
Introducción 3.7 Transferencia tec
Page 19 and 20:
Introducción presentan objetos de
Page 21 and 22:
Capitulo 1. El Movimiento de Agarre
Page 23 and 24:
Page 25 and 26:
Page 27 and 28:
Page 29 and 30:
Page 31 and 32:
Page 33 and 34:
Page 35 and 36:
Page 37 and 38:
Page 39 and 40:
Page 41 and 42:
Page 43 and 44:
Page 45 and 46:
Page 47 and 48:
Page 49 and 50:
Page 51 and 52:
Page 53 and 54:
Capitulo 2. Modelos Computacionales
Page 55 and 56:
Page 57 and 58:
Page 59 and 60:
Page 61 and 62:
Page 63 and 64:
Page 65 and 66:
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
Capitulo 3. El Agarre en la EP. Mod
Page 99 and 100:
Page 101 and 102:
Page 103 and 104:
Page 105 and 106:
Page 107 and 108:
Page 109 and 110:
Page 111 and 112:
Page 113 and 114:
Page 115 and 116:
Page 117 and 118:
Page 119 and 120:
Page 121 and 122:
Page 123 and 124:
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Page 133 and 134:
Page 135 and 136:
Page 137 and 138:
Page 139 and 140:
Page 141 and 142:
Page 143 and 144:
Page 145 and 146:
Page 147 and 148:
Page 149 and 150:
Page 151 and 152:
Page 153 and 154:
Page 155 and 156:
Capitulo 4. Modelo Neuronal para la
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
Page 167 and 168:
Page 169 and 170:
Page 171 and 172:
Page 173 and 174:
Page 175 and 176:
Page 177 and 178:
Page 179 and 180:
Page 181 and 182:
Page 183 and 184:
Page 185 and 186:
Page 187 and 188:
Page 189 and 190:
Page 191 and 192:
Page 193 and 194:
Page 195 and 196:
Page 197 and 198:
Page 199 and 200:
Page 201 and 202:
Page 203 and 204:
Page 205 and 206:
Page 207 and 208:
Page 209 and 210:
Page 211 and 212:
Capitulo 5. Modelo Neuronal para el
Page 213 and 214: Capitulo 5. Modelo Neuronal para el
Page 249 and 250: 2.5 cm 3.0 cm 3.5 cm 2 cm Capitulo
Page 263: Capitulo 5. Modelo Neuronal para el
Page 269 and 270: Capitulo 6. Implantación de algori
Page 283 and 284: Capitulo 7. Conclusiones y Trabajos
Page 285 and 286: Capitulo 7. Conclusiones y Trabajos
Page 287 and 288: 1. Cinemática Directa del brazo ma
Page 289 and 290: x 0 l 3 I -M c l 2 z 0 l 1 d θ 4 b
Page 291 and 292: Los pesos adaptativos wijk y zijkm
Page 293 and 294: Arbib, M.A. (1985a). Schemas for th
Page 295 and 296: Castiello, U., Stelmach, G.E., Lieb
Page 297 and 298: Fagg, A.H., Arbib, M.A. (1998). Mod
Page 299 and 300: Graybiel, A.M. (1997). The basal ga
Page 301 and 302: Jaeger, D., Kita, H., Wilson., C.J.
Page 303 and 304: Kimura, M., Matsumoto, N., Okahashi
Page 305 and 306: Mottet, D., Bootsma, R. J. (2001).
Page 307 and 308: Rezzoug, N., Gorce, P. (2001). A Ne
Page 309 and 310: Tanee, J., Boussaoud, D., Boyer-Zel
show all

Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...

Create successful ePaper yourself

Delete template?

Save as template?