系列文章目录
微信搜索:脑机接口研习社
关注我们,了解脑机接口最新进展
一、运行仿真程序(Running Simulations)
建立Network对象后,下一步是运行仿真程序。
使用代码Network.run运行此功能。
Network.run接收的参数包括:
inputs——将子类AbstractAbstract的层的名称映射成字典,并以[time,batch_size,* input_shape]的形式输入数据,其中input_shape是数据要传递到的神经元群体的形状。
time——时间步长的模拟次数,通常被认为是毫秒。
clamp和unclamp——用于强迫神经元在任何给定的时间步长达到峰值、进行脉冲(或不进行脉冲)。
reward——提供奖励调制的学习规则。
masks——是字典映射到布尔张量的连接,该布尔张量指定将哪个突触权重钳位为零。
基于前面的教程,我们在此提供一个简单的端到端(end-to-end)的示例,用于模拟两层、输入-输出的脉冲神经网络。
前面的教程戳下面的链接:
Part II. Adding Network Components
代码示例:
import torch
import matplotlib.pyplot as plt
from bindsnet.network import Network
from bindsnet.network.nodes import Input, LIFNodes
from bindsnet.network.topology import Connection
from bindsnet.network.monitors import Monitor
from b