- 博客(15)
- 收藏
- 关注
RSS订阅原创 脉冲神经网络学习（4）
较高的树突脊密度通常意味着更多的突触连接，可能与更强的神经元活动和学习相关。这种非线性效应可以增强神经元对输入信号的整合和响应，从而增强神经元对特定输入模式的识别和响应能力。纹状体投射神经元是纹状体内的主要神经元类型，它们的轴突可以投射到大脑皮质和其他脑区，形成重要的神经回路。具体来说，簇状突触可以增强神经元对输入信号的敏感性，并且可以增加神经元对特定输入模式的响应强度和准确性。皮质和海马区域的锥体神经元以及纹状体的投射神经元是大脑中不同区域的主要神经元类型，它们在结构和功能上有一些不同之处。
2024-02-26 21:33:41
378
1
原创 关于CUDA文件（.cu）
Global Memory（全局内存）功能：GPU 的主内存区域，用于存储处理过程中的数据。关系：所有 SM 共享全局内存。L2 Cache（二级缓存）功能：为 GPU 提供一个大型、高速的缓存区域，用于存储频繁访问的数据。关系：为所有 SM 提供服务，优化访问全局内存的性能。功能：GPC 是处理图形和通用计算任务的高级单元。关系：包含多个 SM（Streaming Multiprocessors）。功能：SM 是 GPU 中的核心组件，用于并行执行线程。
2024-01-18 21:32:50
2035
1
原创 软件（包）安装——NEURON（二）
官网安装说明：Installing Binary Distribution — NEURON documentationgithub下载release:https://github.com/neuronsimulator/nrn/releasesftp下载网站：Index of /ftp/neuron/versions/v7.6/7.6.7官方安装说明 UNIX/Linux：https://www.neuron.yale.edu/neuron/download/compile_linux#:~:text=S
2024-01-17 20:39:31
478
原创 脉冲神经网络学习（3）
"full-spine" 和 "few-spine" 模型的区别主要体现在它们对树突棘突起（dendritic spines）的模拟方式上。"Full-spine" 模型在模拟中包含了整个神经元的所有树突棘突起，这意味着它提供了一个在树突上全面分布的树突棘突起的详细表示。相比之下，"few-spine" 模型则只在特定的激活突触附近附加了少量的树突棘突起，而非在整个树突上进行详细模拟。这种方法在一定程度上简化了模型，减少了计算复杂性，但可能不如"full-spine"模型那样在生物物理上精确。
2024-01-14 20:17:19
327
1
原创 脉冲神经网络学习（2）
树突上分布着大量的离子通道和神经递质受体，这些分布不是均匀的，而是高度特化的。这些通道和受体对不同类型的信号有不同的响应，导致树突对输入信号的处理呈现非线性特征。树突棘（树突表面的小突起）可以对突触信号进行局部处理。每个树突棘都可以被看作是一个独立的信号处理单元，它们能够在不影响树突的其他部分的情况下对信号进行响应和加工。树突的电学特性也促进了非线性运算。例如，信号在树突中的传播会受到长度常数和时间常数的影响，这些因素决定了信号衰减的速度和方式，从而影响信号的整体处理。
2024-01-14 16:22:15
997
1
原创 软件（包）安装——VMware+Ubuntu22.04
首先点击【CD/DVD(SATA)】,其次选择【使用ISO映像文件】，选择之前下载好的Ubuntu镜像文件，选择【Linux】和【Ubuntu 64位】，然后点击【下一步】。默认选择【LSI Logic(L)】，然后点击【下一步】点击【开启此虚拟机】，点击对话框进入虚拟机，然后回车。默认选择【SCSI(S)】，然后点击【下一步】。选择自定义（高级）（C），然后点击【下一步】选择【稍后安装操作系统】，然后点击【下一步】选择【使用桥接网络】，然后点击【下一步】。选择【中文】，安装（——英文更推荐）
2024-01-02 12:07:42
348
原创 CoreNEURON 平台相比Pytorch下的spiking network的区别
目的和应用：CoreNEURON主要用于神经科学研究，尤其是在模拟生物神经网络方面；而PyTorch下的SNN更多地应用于机器学习和人工智能任务。模型的真实性和复杂性：CoreNEURON强调生物学上的详细和真实性；PyTorch下的SNN则更注重计算效率和在AI应用中的实用性。用户友好度：PyTorch通常更易于使用，有大量的社区支持和文档；而CoreNEURON可能需要更深入的专业知识，特别是在神经科学和计算方面。———整合自网络，欢迎讨论。
2023-12-28 15:37:47
381
1
原创 专有名词——漏电导
当神经元不受外部刺激时，漏电导会使离子从高浓度处流向低浓度处，形成漏电流，这一过程对应于神经元的静息膜电位。漏电导的存在对神经元的动态稳定性起到关键作用，确保神经元在没有外部输入时能够维持稳定的静息状态。在神经元模型中，漏电导通常是一个基本的组成部分，但具体的模型可能会考虑其他类型的离子通道以更好地捕捉神经元的生物学行为。漏电导（Leak Conductance）是指神经元膜上的离子通道，它允许离子通过神经元膜，导致漏电流。漏电导与特定的离子通道有关，通常是非特异性的离子通道，允许多种类型的离子通过。
2023-12-27 21:41:26
421
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人