Zayıf Elektrik Balıklarında Duyumotor Kontrolcü ve HareketDinamiklerinin Alt Uzay Tabanlı Sistem Tanılaması

Canlılarda duyusal ve motor sistemleri arasında muhteşem bir dinamik kapalı döngü etkileşim vardır. Davranışsal bir görev sırasındamerkezi sinir sistemi çevreden gelen duyusal sinyalleri algılar ve belirli motor sinyalleri üretir. Ortaya çıkan bu motor sinyalleri iseiskelet ve kas sistemlerini tetikleyerek hareketi oluştururlar. Bu kapalı döngü sistemde merkezi sinir sistemi bir nevi ‘kontrolcü’,iskelet ve kas sistemleri ise bir nevi ‘plant’ olarak düşünülebilir. Bu çalışmanın amacı davranışsal görevler esnasında merkezi sinirsistemi tarafından uygulanan duyumotor kontrolcü ve gerçekleştirilen hareket dinamiklerinin sistem tanılamasını yapmaktır. Buamaçla zayıf elektrik balıklarının sığınak takibi davranışı sırasında toplanmış bir veri kümesinden faydalanılarak bu balıkların takipdavranışı esnasında uygulakdıkları kontrolcü ve yüzme dinamikleri elde edilmiştir. Ortaya çıkan sistem modelini kontrol teorisialanına taşıyabilmek adına alt uzay tabanlı sistem tanılama kullanılmıştır. Böylece hem duyumotor kontrolcü hem de hareketdinamikleri için durum uzay matrisleri elde edilmiştir.

Subspace-Based System Identification of Sensorimotor Control and Locomotor Dynamics of Weakly Electric Fish

There is a fascinating dynamic closed-loop interaction between the sensory and motor systems in animals. During behavioral tasks,the central nervous system perceives the sensory signals from the environment and generates associated motor commands.Subsequently, these motor signals stimulate the musculoskeletal system to initiate movement. In this closed-loop interaction, thecentral nervous system plays the role of a ‘controller’, while the musculoskeletal system becomes the ‘plant’. The goal of this paper isto identify the sensorimotor controller and the locomotor dynamics adopted by animals during behavioral task control. To achievethis, we identified the sensorimotor controller and the locomotor dynamics of weakly electric fish during refuge tracking behavior.We used subspace identification to convey the estimated model to the control theory domain. Thus, we obtained a state-spacerepresentation both for the sensorimotor controller and the locomotor dynamics of the fish.

PDF

___

Cowan, N. J., & Fortune, E. S. (2007). The critical role of locomotion mechanics in decoding sensory systems. Journal of neuroscience, 27(5), 1123-1128.
Favoreel, W., Van Huffel, S., De Moor, B., Sima, V., & Verhaegen, M. (1999). Comparative study between three subspace identification algorithms. In European Control Conference (ECC), pp. 821-826. IEEE.
Fifer, M. S. vd. (2013). Simultaneous neural control of simple reaching and grasping with the modular prosthetic limb using intracranial EEG. IEEE transactions on neural systems and rehabilitation engineering, 22(3), 695-705.
Hedrick, T. L., & Robinson, A. K. (2010). Within-wingbeat damping: dynamics of continuous free-flight yaw turns in Manduca sexta. Biology letters, 6(3), 422-425.
Kiemel, T., Zhang, Y., & Jeka, J. J. (2011). Identification of neural feedback for upright stance in humans: stabilization rather than sway minimization. Journal of neuroscience, 31(42), 15144-15153.
Larimore, W. E. (1990). Canonical variate analysis in identification, filtering, and adaptive control. In 29th IEEE Conference on Decision and control (pp. 596-604).
Maladen, R. D., Ding, Y., Li, C., & Goldman, D. I. (2009). Undulatory swimming in sand: subsurface locomotion of the sandfish lizard. Science, 325(5938), 314-318.
Roth, E., Zhuang, K., Stamper, S. A., Fortune, E. S., & Cowan, N. J. (2011). Stimulus predictability mediates a switch in locomotor smooth pursuit performance for Eigenmannia virescens. Journal of experimental biology, 214(7), 1170- 1180.
Sefati, S., Neveln, I. D., Roth, E., Mitchell, T. R., Snyder, J. B., MacIver, M. A., ... & Cowan, N. J. (2013). Mutually opposing forces during locomotion can eliminate the tradeoff between maneuverability and stability. Proceedings of the national academy of sciences, 110(47), 18798-18803.
Ting, L. H., & Macpherson, J. M. (2005). A limited set of muscle synergies for force control during a postural task. Journal of neurophysiology, 93(1), 609-613.
Uyanik, I., Stamper, S. A., Cowan, N. J., & Fortune, E. S. (2019). Sensory cues modulate smooth pursuit and active sensing movements. Frontiers in behavioral neuroscience, 13, 59.
Uyanik, I., Sefati, S., Stamper, S. A., Cho, K. A., Ankarali, M. M., Fortune, E. S., & Cowan, N. J. (2020a). Variability in locomotor dynamics reveals the critical role of feedback in task control. eLife, 9, e51219.
Uyanik, I., Sefati, S., Stamper, S. A., Cho, K. A., Ankarali, M. M., Fortune, E. S., & Cowan, N. J. (2020b). Data associated with publication “Variability in locomotor dynamics reveals the critical role of feedback in task control”. Johns Hopkins University Data Archive, doi:10.7281/T1/UDTJPD, V1.
Van Der Kooij, H., & Peterka, R. J. (2011). Non-linear stimulusresponse behavior of the human stance control system is predicted by optimization of a system with sensory and motor noise. Journal of computational neuroscience, 30(3), 759-778.