如何利用Bindsnet-Python模拟脉冲神经网络（SNN）？Part II. 添加网络元件（Adding Network Components）

系列文章目录

Part I. 建立一个网络

BindsNET安装教程

---

---

添加网络元件（Adding Network Components）

BindsNET支持三类网络组件：

1. 神经元层（nodes）
2. 神经元之间的连接（bindsnet.network.topology）
3. 用于记录状态变量演变的监视器（bindsnet.network.monitors）。

Note:
在网络中的Components的名称是任意的，并且仅需要是其成分组内唯一的即可（layers，connections和monitors），依据这种唯一性来进行寻址。Bindsnet鼓励用户使用最适合自己的命名方式来开发自己的命名约定。

1. Creating and adding layers

要创建一层或一群节点，以“leaky integrate-and-fire, LIF”神经元为例：

代码示例：

from bindsnet.network.nodes import LIFNodes
# Create a layer of 100 LIF neurons with shape (10, 10).
layer = LIFNodes(n=100, shape=(10, 10))

每个bindsnet.network.nodes对象都有很多关键字参数，但是n（层中的节点数)或者shape（层的形状，可以从中计算出节点数）中的一个是必须存在的。

某些节点对象的其他参数包括：
thresh——给定该层的电压阈值的标量或张量
rest——给定该层的静止电压的标量或张量
traces——是否跟踪该层中每个神经元的“峰值轨迹”
tc_decay——给定该层神经元电压衰减的时间常数标量或张量）

要将层添加到网络，请使用add_layer函数，并为其指定名称（字符串），通过以下方式进行调用：

network.add_layer( layer=layer, name="LIF population")

这样的层保存在dictionary属性中, network.layers，并且可以由用户访问。例如，network.layers[‘LIF population’]

其他层的类型包括：
bindsnet.network.nodes.Input——针对用户指定的输入脉冲 。
bindsnet.network.nodes.McCullochPitts——McCulloch-Pitts神经元模型。
bindsnet.network.nodes.AdaptiveLIFNodes——具有自适应阈值的LIF神经元。
bindsnet.network.nodes.IzhikevichNodes——Izhikevich神经元模型。

可以将任意数量的层添加到网络。

可以通过子类bindsnet.network.nodes.Nodes（具有神经逻辑仿真通用逻辑的抽象类）来实现自定义节点对象。

函数 forward(self, x: torch.Tensor)是计算输入数据对神经元种群的影响，例如，电压变化，脉冲出现等。

函数 reset_state_variables(self)是将神经元状态变量重置为默认值。

函数_compute_decays(self)、forward(self, x: torch.Tensor)、reset_state_variables(self)是必须实现的，因为它们作为抽象函数包含在bindsnet.network.nodes.Nodes内。

2. Creating and adding connections

可以在不同的神经元种群之间添加连接（connections），也可以在一个种群回到自身之间添加一个连接（即循环连接 recurrent connection）。

如果要创建一个全连接 all-to-all：

代码示例：

from bindsnet.network.nodes import Input, LIFNodes
from bindsnet