matlab的欧拉方法代码神经元网络模型 动态耦合激发大脑中神经元的模型以产生复杂的网络同步 该项目提供了Matlab代码来模拟以下情况： 一个发射神经元细胞，使用三种不同的模型。 x个激发神经元的网络，使用静态耦合矩阵耦合在一起。 x个激发神经元的网络，使用基于神经元细胞之间突触模型的动态耦合功能耦合在一起。 在single_neuron_models目录中，运行着一些程序来模拟单个激发神经元的行为。每个程序的顶部都有一些示例运行。 OneNeuronTau.m：基于Tau常数的简单模型 OneNeuronIzhInF.m：伊兹凯维奇着名的“整合并发射”神经元模型 OneNeuronExpInF.m：更复杂的指数神经元模型 在Neuron_network_models目录中，运行程序“ Neuron Simulations”以打开一个GUI，该GUI允许配置和显示神经元网络。 NeuronSimulations.m：包含所有不同模型和行为的GUI NeuronNetworkTau.m：对通过耦合矩阵连接在一起的“ Tau激发”神经元网络进行建模。 使用正向Euler方法计算每个神经元

介绍Neuron软件使用的教程书. 这本书开辟了新的可能性。它包括一个基本的简单的图形用户界面（GUI ），可以在Microsoft Windows中使用（事实上使用它的例子） 。我评分4颗星，而不是5 ，因为示例中的说明是针对那些有经验的神经元。对于初学者像我这样的，这将有助于说哪些按钮应该被点击，哪些键按下。 这本书介绍了神经元的模拟系统，它可以为在神经元网络现场安装指令访问。模拟意味着使用现实霍奇金 - 赫胥黎神经元。神经元最初的单个神经元，但现在已经扩展到网络。 对于那些谁相信在19世纪的古典物理科学，包括物理，化学，热力学，以及它们表达的微分方程组，神经元具有特殊的意义。在霍奇金 - 赫胥黎神经元延伸经典物理科学的广泛的神经元类型和品种。埃里克康德尔的简单化的工作说明许多类型的突触在分子水平上，并且因此解释了在一个网络中的神经元在经典物理科学方面的连接。 我们特别感兴趣的是的interneurons的网络。最方便的哺乳动物的网络是在大鼠的嗅球。对于这个特殊的类，古典物理科学，用神经元，延伸到神经生物学。它定义了物理上可能的网络结构。它很可能是进化将已经利用至少一部分该结构的扩展秩序。这种可能性是存在的。它是真实的。它是乞求研究。 这项工作不需要一台超级计算机。但从经典物理科学的确定性来看，也没有神奇的统计学大量的细胞。二十几或更少应该足以显示新兴秩序。

matlab精度检验代码精确点神经元网络模拟器 （注意：不适用于人工神经网络） 该程序旨在为尖峰神经元模型网络提供准确的模拟器和便携式代码框架。 还提供了一个方便的GNU Octave / Matlab与核心模拟器的接口。 通过根据（例如尖峰）事件时序打破模拟时间步长（dt）来获得精度。 这样子时间步内的动态就很平滑，并且经典的ODE解决方案（尤其是RK4）可以很好地工作。 当前的神经元模型为（括号：代码内使用的名称）： 具有指数衰减电导（LIF-G）的泄漏积分和发射模型。 具有“ alpha函数”电导（LIF-GH）的泄漏集成和发射模型。 具有指数衰减电导（HH-G）的霍奇金·赫x黎（Hodgkin Huxley）神经元模型。 具有“ alpha功能”电导（HH-GH）的霍奇金·赫x黎（Hodgkin Huxley）神经元模型。 霍奇金·赫x黎（Hodgkin Huxley）神经元模型，具有连续的（但主要在尖峰附近）突触相互作用（HH-GH-cont-syn）。 跳跃当前的神经元模型（IF跳跃）。 霍克斯模型（Hawkes-GH）。 对神经元模型的可选修改： 向这些模型添加交流电。（

介绍并记录了基于 MATLAB 的交互式生物神经元电生理行为演示模拟。 介绍和简要讨论了描述生物物理模型神经元中膜电压随时间变化的微分方程，以及演示中使用的默认数值参数。 提供了一些参考文献和文​​献的基本指针，目的是为感兴趣的用户提供进一步的阅读材料。 该项目是为邀请演讲的多媒体演示而开发的，在目前的公开版本中，它旨在作为教育目的的工具。 由于包含相关源代码并进行了完整注释，因此该软件也可以方便地用作开发示例，以探索 MATLAB 数据可视化、图形用户界面 (GUI) 和 MEX 界面的许多优点。

Spiking Neuron Models _ W.Gerstner,_W.M.Kistler.djv 注意不是pdf的，是.djv版本的书籍。 这书的pdf版也上传了。见Spiking Neuron Models - single neurons, populations, plasticity _ W.Gerstner,_W.M.Kistler

LIF脉冲神经元的Matlab实现代码。

perception neuron设备配套的定位软件，可与Unity结合使用

Spiking Neuron Models - single neurons, populations, plasticity _ W.Gerstner,_W.M.Kistler 计算神经科学专著之一，学习spiking neuron 的好书。作者GERSTNER是个牛人。

正弦信号的matlab代码为什么以及如何使用伪代码 为什么要使用伪代码？ 伪代码听起来像是一个通用概念，但您可以将其视为代码的概述。 就像论文/研究论文的大纲一样，您可以从一个简单的大纲开始（第一个示例）。 您还需要考虑信息流，并四处移动段落以创建最佳故事（第二个示例）。 随着论文的继续发展，您的大纲将被填满，最终您仅需关注几个要点（第三个示例）。 最终，所有内容融合在一起，您便拥有了完整的论文（请参阅功能全面的程序）。 伪代码有哪些优点？ 向非程序员介绍您的代码 用它来获取其他程序员的意见/建议 用它来确定代码的最佳逻辑 使用它作为确定代码中对象的方式（有关OOP的帮助） 伪代码可以帮助您分解首先要编码的内容以及要为（TDD）构建的测试 尽管对于伪代码没有真正的规则，但我将给出一些用于每个伪代码示例的基本规则。 我们的示例将是一个相对简单的神经元回路模型。 背景 为了确切地了解程序最终应该做什么，我们应该首先讨论神经元的一些基本属性，以及它们如何影响彼此的活动。 神经元被定义为可以通过电或化学信号处理和传输信息的可电刺激的细胞。 神经元的膜包含专门的蛋白质，这些蛋白质会在神经元的内部

利用本插件联通unity与neuron诺亦腾