nengo的树状计算原语
nengo-bio的Python项目详细描述
Nengobio生物学（更多）合理的Nengo模型
<阻塞率>9888；警告：此项目正在进行中。此处描述的所有内容，包括项目名称和API，都可能更改。
Nengobio是Nengo的附加库。Nengo被科学家用来构建神经生物学系统的详细模型。然而，在某种程度上，nengo和底层的神经工程框架有限制，限制了所创建网络的生物学合理性。nengobio通过实现以下功能解除了某些限制：
- 戴尔原则（：带复选框的投票框：完全实现）
虽然可以绕过这个限制，但nengo通常不会明确地将神经元标记为兴奋性或抑制性。这意味着单个神经元可以兴奋性和抑制性地连接到后神经元，这取决于权重求解器计算出的权重符号。Nengobio将神经元标记为兴奋性或抑制性，并在求解连接权重时解释这一点。 - 偏置电流消除（：带复选框的投票框：完全实现）
神经工程框架假设每个神经元连接到一个恒定的偏置电流源。这种偏置电流被用来使亲和神经元的调谐曲线多样化，但从生物学的角度来看有点不切实际。Nengobio通过求解当前空间中的突触权重来消除偏置电流，有效地从预种群状态解码偏置电流。 - 对树状计算的支持（：带复选框的投票框：完全实现）
树突非线性在中枢神经系统的信息处理中起着关键作用，可以系统地利用树突非线性进行非线性、多变量的计算。nengobio通过允许任意数量的神经元集合作为连接中的前置对象，向nengo添加了对树突计算的支持。 - 支持基于电导的突触以及具有任意被动树突树的神经元（有计划） 树状结构的计算依赖于树状结构和树状结构的非线性效应。Nengobio为Nengo添加了对任意被动多compartment神经元模型的支持。
安装Nengobio
依赖项：nengobio需要python 3，依赖于numpy>；=1.16.3，scipy>；=1.2.0，cvxopt>；=1.2，nengo>；=3.0.dev0。
通过运行克隆此存储库
git clone https://github.com/astoeckel/nengo_bio
然后，您可以在nengo_bio存储库中运行以下命令来安装该软件包
pip3 install -e .
这将自动安装所有依赖项。请注意，nengobio当前需要最新的开发版本nengo，必须单独安装。
使用Nengobio
；请参阅示例笔记本
假设您知道如何使用nengo，那么使用nengobio应该非常简单。只需将以下内容添加到导入列表中
importnengo_bioasbio
并将nengo.ensemble替换为bio.ensemble和nengo.connection替换为bio.connection（如适用）。
生物集成类
bio.ensemble类的作用类似于正常的nengo集成，但有两个附加参数：p_exc和p_inh。这些参数描述了群体中兴奋/抑制神经元的相对数量。请注意p_exc和p_inh必须求和为一。只有当一个系综是预对象时，这些参数才相关。
注意：神经元在构建时将被分配一个突触类型。如果设置了p_exc或p_inh中的任何一个，则每个神经元要么是兴奋性的，要么是抑制性的。如果没有p廑exc和p廑inh，合奏的表现将与正常的nengo合奏一样。
警告：bio.ensemble可以与normalnengo.connection类一起使用。只有在使用bio.connection时，才会考虑到abio.ensemble中神经元的兴奋性/抑制性（见下文）。
示例
例1：一个由兴奋性神经元组成的整体
ens_exc=bio.Ensemble(n_neurons=101,dimensions=1,p_exc=1.0)
例2：一个完全由抑制神经元组成的集合
ens_inh=bio.Ensemble(n_neurons=101,dimensions=1,p_inh=1.0)
例3：一个由80%兴奋性神经元和20%抑制性神经元组成的集合（两条线都是等价的）：
ens_mix=bio.Ensemble(n_neurons=101,dimensions=1,p_exc=0.8)ens_mix=bio.Ensemble(n_neurons=101,dimensions=1,p_inh=0.2)
生物连接类
abio.connectionconnection连接到单个目标集成。它将自动解释分配给每个神经元的突触类型。
显著参数
pre：这可以是单个pre-population，也可以是一个pre-population的元组。预填充表示的值的维数将被叠加。解码偏差（默认值真）：如果真后神经元偏差电流将从预种群中解码，而不是假设为常数。对于除第一个bio.connection连接之外的任何连接，将其设置为false，目标是相同的post population。解算器（默认qpsolver（））：来自nengo_bio.solvers的扩展解算器实例。扩展求解器可以求解电流并考虑神经元参数。
示例
示例1:在考虑神经元/突触类型和解码偏置电流的情况下，ens-a和ens-b之间的简单通信信道：
bio.Connection(ens_a,ens_b)
示例2：2d通信信道，其中ens_a，ens_b表示一维值，ens_c表示二维值。
bio.Connection((ens_a,ens_b),ens_c)
示例3:线性"树突计算"
bio.Connection((ens_a,ens_b),ens_c,function=lambdax:np.mean(x))
引用
此库中使用的技术在本arxiv预印本中有更详细的描述：https://arxiv.org/abs/1904.11713。如果你能引用这篇文章以防在已发布的模型中使用此库。
啊！许可证
YYY11欢迎加入QQ群-->： 979659372
