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

dlt matlab代码事件驱动IP 用于尖峰神经网络的事件驱动的内在可塑性 (IP) 学习规则。 纸 题为“用于尖峰卷积神经网络的事件驱动的内在可塑性”的论文的模拟代码。 这篇论文还在审核中。 用法 代码在Matlab runtime，使用前请安装Matlab 2017+。 运行“example_convnet.mlx”开始实验。 ** 注意：如果要运行Fashion-MNIST数据集，请先解压“..\dlt_cnn_map_dropout_nobiasnn\data\fashion_mnist\train-images-idx3-ubyte.zip”。 接触 如有问题，请与我联系。 张安国 ()

自述文件 这个包是基于脉冲神经网络（SNNS）学习原件S派克LAY呃ËRROR [R eassignment（杀手）框架反向传播的PyTorch端口。 最初的实现是在带有CUDA和CUDNN的C ++中实现的。 可从。 以下视频简要介绍了该方法。 该框架的基本描述已在发布。 最终论文可。 可找到arXiv预印本。 引文 Sumit Bam Shrestha和Garrick Orchard。 “ SLAYER：尖峰层错误及时重新分配。” 《神经信息处理系统的进展》 ，第1417-1426页。 2018。 @InCollection { Shrestha2018 , author = { Shrestha, Sumit Bam and Orchard, Garrick } , title = { {SLAYER}: Spike Layer Error Reassig

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

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。

一个Python软件包，用于使用PyTorch GPU功能的模拟尖峰神经网络（SNN） 一个 Python 包，用于使用 PyTorch Tensor 功能在 CPU 或 GPU 上模拟尖峰神经网络 (SNN)。 BindsNET 是一个脉冲神经网络模拟库，旨在开发用于机器学习的生物启发算法。 该软件包用作在生物启发神经和动力系统 (BINDS) 实验室中将 SNN 应用于机器学习 (ML) 和强化学习 (RL) 问题的持续研究的一部分。 查看 BindsNET 示例，了解一系列实验、结果分析函数、实验结果图等。 可以在此处找到该软件包的文档。 要求 Python 3.6 requirements.txt 设置使用 pip BindsNET 可通过其 git 存储库获得。 发出 pip install git+https://github.com/BindsNET/bindsnet.git 以获得最新的稳定版本。 或者，要从源代码构建 bindsnet 包，克隆 GitHub 存储库，将目录更改为该项目的顶层，然后发出 pip install 。 或者，以可编辑模式安装

尖峰时间依赖性可塑性 该程序在突触后放电之前出现突触前尖峰时增强相关突触权重，并在突触后放电后出现突触前尖峰时减弱相关突触权重。 如果突触前和突触后尖峰时间之间的差异幅度很小，则突触权重修改量最大，并且随着差异变大而呈指数减小。 如果两个连接的神经元的尖峰时间差异大于 20 毫秒，则不会发生任何修改。 改变突触功效的功能基于 Song S.、Miller KD 和 Abbott LF 的生物学模型“通过尖峰时间依赖的突触可塑性进行竞争性赫布学习”，Nature Neuroscience vol. 3，没有。 9, pp. 919-926, 2000。该机制基于以下想法。 突触后放电之后的突触前动作电位不太可能完全影响突触后放电（尤其是在紧随其后的情况下），但合乎逻辑的是，突触后放电之前的突触前动作电位在导致突触后尖峰（尤其是更早一点）。 该程序不会创建或消除突触连接，它只是修改现有的突触权

尖峰神经网络的运动目标检测与分类

尖峰神经网络转换工具箱 SNN转换工具箱（SNN-TB）是一个框架，可将基于速率的人工神经网络转换为尖峰神经网络，并使用各种峰值编码来运行它们。 SNN-TB的一个独特功能是，它接受来自许多不同的深度学习库（Keras / TF，pytorch等）的输入模型，并为多个后端提供接口以进行仿真（pyNN，brian2等）或部署（SpiNNaker，Loihi）。 请参考以获取完整的用户指南和API参考。 另请参阅随附的文章和 。

用神经网络确定权重的matlab代码功能加标RNN 概述 该存储库提供了以下框架中提供的代码： Kim R.，Li Y.和Sejnowski TJ。 构建功能性尖峰递归神经网络的简单框架。 美国国家科学院院刊。 116：22811-22820（2019）。 提供预印本。 要求 连续速率RNN 用于构建和训练连续变量速率递归神经网络（RNN）模型的代码是在Python中实现的（已在Python 3.6.9中进行了测试）。 该代码还需要TensorFlow（在TensorFlow 1.5.0和1.10.0中进行了测试）。 tesnorflow 1.5.0或1.10.0 tensorflow-gpu 1.5.0或1.10.0（如果有GPU卡，则可以加快大型模型的培训时间） numpy的1.16.4 scipy 1.3.1 加标RNN 用于构建尖峰RNN模型的代码是在MATLAB中实现的（已在R2016a和R2016b中进行了测试）。 该代码实现了泄漏的集成解雇（LIF）网络，并且是由所开发的代码的修改版本。 用法 首先对速率RNN模型进行训练，然后将训练后的模型映射到LIF尖峰RNN。 用于