冻结网络在线适应重现力场后效

一项新研究探索了在连续时间网络（CfC）中实现小脑样在线适应的可能性。传统液态神经网络通常需要通过反向传播进行离线训练，且缺乏在线重校准机制。研究人员提出，冻结CfC核心网络，仅通过攀爬纤维样误差信号在线调整线性读出层，即可适应植物动力学变化。在平面两连杆达到任务中，系统在速度相关旋度力场下，通过反馈误差学习（FEL）信号和最小均方（LMS）规则，成功复现了力场适应和后效现象。该研究为机器人自适应控制提供了新思路，且核心网络无需训练。值得注意的是，本文为预印本，尚未经过同行评审。