随笔分类 - 计算神经科学
摘要：生物神经网络基础：从尖峰放电神经元谈起http://www.sohu.com/a/230044639_129720
阅读全文
摘要：part 4: topologically structured networksincorporating structure in networks of point neurons如果我们使用神经元的生物学详细模型，那么很容易理解和实现拓扑的概念，因为我们已经有树突状乔木，轴突等，它们是神经系统内连接的物理先决条件。 但是，我们仍然可以通过使用点神经元网络来获得一定程度的特异性。无论是在拓扑...
阅读全文
摘要：part 3: connecting networks with synapsesparameterising synapse modelsNEST提供了各种不同的突触模型。 您可以使用命令nest.Models（mtype ='synapses'）查看可用模型，该命令仅从所有可用模型列表中选取突触模型。Synapse模型可以类似于神经元模型进行参数化。 您可以使用GetDefaults（模型）发...
阅读全文
摘要：part 2: populations of neuronsintroduction在这篇讲义中，我们着眼于创建和参数化神经元批次，并将它们连接起来。 当你完成这些材料时，你会知道如何：创建具有特定参数的神经元群体 在创建之前设置模型参数 用定制参数定义模型 随机参数创建后 在人群之间进行随机连接 设置设备以启动，停止并将数据保存到文件 重置模拟creating parameterised pop...
阅读全文
摘要：neurons and simple neural networkspynest – nest模拟器的界面神经模拟工具（NEST：www.nest-initiative.org）专为仿真点神经元的大型异构网络而设计。 它是根据GPL许可证发布的开源软件。 该模拟器带有Python的接口[4]。 图1说明了用户的模拟脚本（mysimulation.py）和NEST模拟器之间的交互。 [2]包含该接口...
阅读全文
摘要：转自知乎https://www.zhihu.com/question/20264424 科研君的回答学习和记忆是所有动物适应其生存环境所需要的最基本能力，所以有关学习和记忆的研究一直以来都非常热门。记忆的本质，从不同领域来看有不同的侧重，比如说它的基本生物结构，它的心理学特征和组织还有它的持久性等等，数百年来，虽然有来自生物、心理学领域的科学家甚至哲学家等学者都试图通过不同的研究方法来试图...
阅读全文
摘要：Integrate-And-Fire Models基础知识轴突：动作电位（电位差形成电流）=神经递质发放=脉冲产生树突或细胞体：神经递质的接受=产生内外膜电位差（电流产生）=接收脉冲脉冲编码：多采用平均发放率，计算在一段时间内的。泄露电流（对于与LIF中的L（leaky））：生物概念，膜电压沿轴突传递过程中的损失，在硬件电路中用电阻代替。概述神经元动力学可以被设想为一个总和过程(有时也称为“集成”...
阅读全文
摘要：PyNN standard model转自http://blog.csdn.net/qq_34886403/article/details/76667477
阅读全文
摘要：PyNN：神经网络模拟器的通用接口计算神经科学已经产生了用于模拟神经元网络的多样化软件，同时具有消极和积极的后果。一方面，每个模拟器都使用自己的编程或配置语言，导致将模型从一个模拟器移植到另一个模拟器相当困难。这妨碍了调查人员之间的交流，使得难以复制和建立他人的工作。另一方面，仿真结果可以在不同的仿真器之间进行交叉检查，对其正确性给予更大的信心，并且每个仿真器具有不同的优化，因此可以为给定的建模任...
阅读全文
摘要：介绍神经元的突触可塑性一般被认为是大脑学习与记忆的分子生物学机制，它是指突触传递效率增强或减弱的变化现象。若这种变化只持续数十毫秒到几分，便称之为短时程突触可塑性，其中效率增强与减弱分别叫做短时程增强（short-term enhancement）与短时程抑制(short-term depressed)；而持续数百毫秒的增强又被称之为短时程易化( short-term facilitation)...
阅读全文
摘要：接下来一段时间开启脉冲神经网络模型的探索之旅。脉冲神经网络有更强的生物学基础，尽可能地模拟生物神经元之间的连接和通信方式。其潜在能力较强，值得踏进一步探索。 构建脉冲神经网络模型，至少需要考虑三点：1. 外界刺激编码2. 构建神经元模型3. 制定学习规则 外界刺激的编码方式主要有Rate Codin
阅读全文
