03 2018 档案
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：定义 集成学习是一种机器学习范式，其中多个学习器被训练来解决相同的问题。 这与试图从训练数据中学习一个假设的普通机器学习方法相反，集成方法尝试构造一组假设并将它们结合使用。 一个集合包含一些通常被称为基础学习器的学习器。 一个集合的泛化能力通常比单个基础学习器的泛化能力强得多。 实际上，集成学习具有
阅读全文
摘要：文章《Rethinking the Inception Architecture for Computer Vision》 介绍 VGG与GoogLeNet相比更朴素，但计算量大。GoogLeNet中的Inception结构设计的目的是减少计算量和内存。GoogLeNet中只有5百万参数，是Alex
阅读全文
摘要：从GoogLeNet的Inceptionv1开始，发展了众多inception，如inception v2、v3、v4与Inception-ResNet-V2。故事还是要从inception v1开始说起。Inception v1相比于GoogLeNet之前的众多卷积神经网络而言，inception v1采用在同一层中提取不同的特征（使用不同尺寸的卷积核），并提出了卷积核的并行合并（也称为Bott...
阅读全文
摘要：文献：《Going deeper with convolutions》 目的： 从前面介绍的AlexNet中可以看出，模型中引入了大量的稀疏性，如relu,dropout,pooling等，这样就可能导致网络的计算性能下降。为了既能保持网络结构的稀疏性，又能利用密集矩阵的高计算性能。大量的文献表明可
阅读全文
摘要：原文：ImageNet Classification with Deep ConvolutionalNeural Networks 一、LeNet局限 在很长时间里，LeNet虽然在小规模的问题上，如手写数字，取得过当时世界最好结果，但一直没有取得巨大成功。这主要原因是，LeNet在大规模图像上效果
阅读全文
摘要：Lecun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11):2278-2324.(Ⅰ.ind
阅读全文
摘要：转自http://www.cnblogs.com/lc1217/p/7324935.html1.卷积与神经元1.1 什么是卷积？ 简单来说，卷积(或内积)就是一种先把对应位置相乘然后再把结果相加的运算。(具体含义或者数学公式可以查阅相关资料) 如下图就表示卷积的运算过程： （图1...
阅读全文
摘要：转自http://www.cnblogs.com/lc1217/p/7132364.html 1.关于Keras 1）简介 Keras是由纯python编写的基于theano/tensorflow的深度学习框架。 Keras是一个高层神经网络API，支持快速实验，能够把你的idea迅速转换为结果，如
阅读全文
