神经元 简单的 NIO 框架

csd

LIF脉冲神经元的Matlab实现代码。

设备中的应用程序根本不需要知道输入网络变量由何处来，输出网络变量往何处去。应用程序具有输出网络变量新值时它就简单地把新值发给设备固件。通过一个在网络设计过程中产生的称为“绑定（binding）”的过程，设备固件被配置成知道网上要求这个网络变量的其他设备或设备组的逻辑地址，于是它就汇集并发送合适的数据包到这些设备。类似地，当设备固件收到应用程序所需的输入网络变量的更新值时，它就把该数据发给应用程序。这样，绑定过程就在一个设备的输出网络变量和另一设备或设备组的输入网络变量间建立了逻辑联系。这样的连接也可以看作“虚拟线路”。假如一个设备包含一个物理开关，具有称为“switch on/off”的输出网络变量而另一个设备驱动一个灯泡，具有相应的称为“lamp on/off”的输入网络变量，把这两个网络变量绑定起来建立的连接具有象从开关到灯泡的同样的功能效应。

Neuron-WP-Theme-Development:将HTML文件转换为Wordpress主题

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

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

Project Neuron Sci-Fi GUI Skin v1.0.unitypackage

Spiking_Neuron 基于它们的计算单位的神经网络可以分为三代： 第一代：这一代神经网络包括感知器，Hopfield网络，boltzmann机器等。 第二代：这一代神经网络包括多层神经网络，递归网络等。 第三代：这一代神经网络包括Spiking神经网络，它是对大脑内工作和信息流的更真实的表示。 该存储库包含LIF（泄漏集成和激发）神经元模型和Izhikevich神经元模型的代码和模拟，以及它们的大多数配置变化，以模拟人脑中神经元的各种操作方式。 这些神经元模型非常紧密地以数学微分方程的形式表示了大脑中神经元的功能，因为人们认为大脑是一个强大的信号处理系统。 伊兹凯维奇神经元模型 LIF神经元模型 该存储库的目的是为大脑的行为建模，以便以后可以在Spiking Neural Networks中修改和实现这些模型。

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