Przykład użycia Poniższy kod definiuje, uruchamia i kreśli losowo połączoną sieć wystrzeliwujących neuronów z wykładniczymi prądami hamującymi i pobudzającymi. mały|Przykładowy wykres rastrowy z losowo połączonej sieci neuronów integrujących i pobudzających z wykładniczymi prądami hamującymi i pobudzającymi
from brian2 import *
eqs = """ dv/dt = (ge+gi-(v+49*mV))/(20*ms) : volt dge/dt = -ge/(5*ms) : volt dgi/dt = -gi/(10*ms) : volt """ P = NeuronGroup(4000, eqs, threshold="v>-50*mV", reset="v=-60*mV") P.v = -60 * mV Pe = P[:3200] Pi = P[3200:] Ce = Synapses(Pe, P, on_pre="ge+=1.62*mV") Ce.connect(p=0.02) Ci = Synapses(Pi, P, on_pre="gi-=9*mV") Ci.connect(p=0.02) M = SpikeMonitor(P) run(1 * second) plot(M.t / ms, M.i, ".") show()
Porównanie z innymi symulatorami SNN Brian koncentruje się przede wszystkim na modelach neuronów jednokomorowych. Symulatory skupiające się na modelach wielokomorowych to przykładowo Neuron z 1993 roku i GENESIS z 1994 roku.
Brian koncentruje się na elastyczności i łatwości użytkowania, a także obsługuje symulacje uruchamiane wyłącznie na jednej maszynie. Symulator NEST zawiera funkcje umożliwiające dystrybucję symulacji w klastrze.
Nagrody
Nagroda Open Science Award for Open Source Research Software w kategorii „Dokumentacja” z 2023 roku
Przypisy
Linki zewnętrzne
Oficjalna strona
Kategoria:Biblioteki Pythona Kategoria:Otwarte_oprogramowanie Kategoria:Uczenie_maszynowe