用神经网络确定权重的matlab代码-spikeRNN:尖峰神经网络

上传者: 38639747 | 上传时间: 2021-09-11 09:34:58 | 文件大小: 4.9MB | 文件类型: ZIP
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

文件下载

资源详情

[{"title":"( 11 个子文件 4.9MB ) 用神经网络确定权重的matlab代码-spikeRNN:尖峰神经网络","children":[{"title":"spikeRNN-master","children":[{"title":"Kim_2019_pnas_SI.pdf <span style='color:#111;'> 3.58MB </span>","children":null,"spread":false},{"title":"Kim_2019_pnas_main.pdf <span style='color:#111;'> 1.62MB </span>","children":null,"spread":false},{"title":"rate","children":[{"title":"utils.py <span style='color:#111;'> 1.44KB </span>","children":null,"spread":false},{"title":"main.py <span style='color:#111;'> 16.25KB </span>","children":null,"spread":false},{"title":"model.py <span style='color:#111;'> 20.70KB </span>","children":null,"spread":false}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 5.16KB </span>","children":null,"spread":false},{"title":"spiking","children":[{"title":"lambda_grid_search.m <span style='color:#111;'> 7.37KB </span>","children":null,"spread":false},{"title":"LIF_network_fnc.m <span style='color:#111;'> 7.70KB </span>","children":null,"spread":false},{"title":"eval_go_nogo.m <span style='color:#111;'> 3.05KB </span>","children":null,"spread":false}],"spread":true},{"title":".gitignore <span style='color:#111;'> 52B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明