PyTorch-Spiking-YOLOv3 基于YOLOv3的PyTorch实现（ ）的Spiking-YOLOv3的PyTorch实现，目前支持Spiking-YOLOv3-Tiny。 整个Spiking-YOLOv3即将得到支持。 介绍 为了实现尖峰效果，YOLOv3-Tiny中的某些运算符已进行等效转换。 有关详细信息，请参阅/ cfg中的yolov3-tiny-ours（*）。cfg。 某些运营商的转换 'maxpool（stride = 2）'->'convolutional（stride = 2）' 'maxpool（stride = 1）'->'none' 'upsample'->'transposed_convolutional' 'leaky_relu'->'relu' '批处理标准化'->'fuse_conv_and_bn' 用法 有关培训，评估和推断的基

一个Python软件包，用于使用 Tensor功能在CPU或GPU上模拟尖峰神经网络（SNN）。 BindsNET是一个尖刺的神经网络仿真库，旨在开发用于机器学习的受生物启发的算法。 该软件包被用作正在进行的研究的一部分，该研究在中将SNN应用于机器学习（ML）和强化学习（RL）问题。 查看，以获取实验集合，结果分析功能，实验结果图等。 该软件包的文档可以在找到。 要求 Python 3.6 requirements.txt 设置东西 使用点子 BindsNET可通过其git存储库获得。 问题 pip install git+https://github.com/BindsNET/bi

SNN脉冲神经网络中integrate-and-fire neuron神经元仿真测试

SNN脉冲神经网络中的IF神经元脉冲仿真.matlab2021a运行测试仿真 dt = 0.1; %time step [ms] Detat t_time =100; %total time of run [ms] V_th =10; %spike threshold [mV] V0= 1; %resting membrane potential [mV] R_m =10; %membrane resistance [MOhm] tau =10; %membrane time constant [ms] V_res =1; %value to reset voltage to after a spike [mV] t_ref=0; %refractory time constant [ms]

论文SEFRON: A New Spiking Neuron Model With Time-Varying Synaptic Efficacy Function for Pattern Classification的源码。

ODIN尖刺神经网络（SNN）处理器 比利时鲁汶天主教大学（UCLouvain）版权所有（C）2016-2019。 ODIN的Digital HDL源代码是免费的：您可以根据Solderpad硬件许可证v2.0的条款重新分发和/或修改它，该版本扩展了Apache v2.0许可证以供硬件使用。 提供根据本许可分发的软件，硬件和材料，希望它们可以按“原样”使用，而没有任何明示或暗示的保证或条件； 甚至不暗示适销性或适用于特定目的的暗示保证。 有关更多详细信息，请参见Solderpad硬件许可证。 您应该已经收到了Solderpad硬件许可证以及ODIN HDL文件的副本（请参阅文件）。 如果不是，请参阅 。 ODIN是O n第学习二gital尖峰Ñeuromorphic处理器在鲁汶天主教大学（UCLouvain）设计和原型在28纳米FDSOI CMOS，在生物医学电路与系统轴颈IEEE

一个Python软件包，用于使用PyTorch Tensor功能在CPU或GPU上模拟尖峰神经网络（SNN）。 BindsNET是一个尖峰神经网络仿真库，旨在开发受生物启发的算法。Python软件包，用于使用PyTorch Tensor功能在CPU或GPU上仿真尖峰神经网络（SNN）。 BindsNET是一个尖峰的神经网络仿真库，旨在开发用于机器学习的受生物启发的算法。 该软件包被用作正在进行的研究的一部分，该研究在生物学启发的神经与动力系统（BINDS）实验室中将SNN应用到机器学习（ML）和强化学习（RL）问题中。 查看BindsNET示例

matlab精度检验代码转化神经网络 卷积峰神经网络（SNN）用于时空特征提取 本文重点介绍了卷积增强神经网络的潜力，并介绍了一种新的体系结构来解决训练深层卷积SNN问题的问题。 先决条件 以下安装程序已经过测试，并且可以正常运行： 的Python> = 3.5 火炬> = 0.4.1 CUDA> = 9.0 opencv> = 3.4.2 码头工人 设置所有程序都可以运行的环境运行./run.sh 资料准备 下载CIFAR10-DVS数据集 提取DVS-CIFAR10 / dvs-cifar10文件夹下的数据集 在Matlab中使用test_dvs.m将事件转换为t, x, y, p矩阵（请确保在代码内调整test_dvs.m文件夹地址） 运行python3 dvscifar_dataloader.py准备数据集（确保在main.py目录中有dvs-cifar10 / airplane / 0.mat这样的文件） 培训与测试 CIFAR10-DVS模型 运行python3 main.py 时空特征提取测试 对于每种架构，只需使用python3运行主文件 注意：训练SNN时存在一些问题

nn 构建一个尖峰神经网络 功能 该项目用于构建加标神经网络，以完成MNIST数据集上的分类任务。

神经网络 Java中的共享最近邻（SNN）聚类算法实现。 这是集群算法的Java实现，如以下所述： Ertöz，L.，Steinbach，M.和Kumar，V.（2003年）。 在嘈杂的高维数据中查找不同大小，形状和密度的聚类。 SDM。 取自 可以通过MATLAB轻松访问代码，例如以下示例： javaaddpath( ' C:\Users\Cássio\Dropbox\workspace\snncluster \t arget\snncluster-0.0.1-SNAPSHOT.jar ' ); javaaddpath( ' C:/Users/Cássio/tools/javaml-0.1.7/javaml-0.1.7.jar ' ); javaaddpath( ' C:/Users/Cássio/tools/javaml-0.1.7/lib/ajt-2.9.jar ' ); ja