机构名称：
¥ 1.0
神经回路的连接模式形成一个复杂的网络。这些电路中的信号如何表现为复杂的认知和适应性行为仍然是神经科学中的核心问题。伴随连接组和人工智能的进步从根本上开放了新的机会，以了解连接模式如何影响生物脑网络中的计算能力。储层计算是一种多功能范式，它使用高维动力系统的非线性动力学来执行计算和近似认知功能。在这里我们提供Conn2Res：一种开源Python工具箱，用于实现生物神经网络作为人工神经网络。conn2res是模块化的，允许施加任意体系结构和任意动态。该工具箱允许研究人员输入使用多种技术重建的连接组，从图形跟踪到非侵入性扩散成像，并施加多个动力学系统，从简单的尖峰神经元到磁性动力学。CONN2RES工具箱的多功能性使我们能够在神经科学和人工智能的汇合处提出新问题。通过将函数重新概念化为计算，Conn2Res为对大脑网络中结构功能关系的更机械理解设定了阶段。
基于连接组的储层计算工具箱
主要关键词
相关文件推荐
