Differences

This shows you the differences between two versions of the page.

Link to this comparison view

neurali:nest_modelli [2015/07/04 11:39]
profpro [Modelli usati con NEST]
neurali:nest_modelli [2018/04/25 07:55]
Line 1: Line 1:
-======Modelli usati con NEST====== 
- 
- 
-Si è già visto che i neuroscienziati hanno scoperto [[neurali:​modelli di neuroni e di sinapsi|diversi tipi neuroni]]. 
-NEST utilizza dei modelli matematici equivalenti per i neuroni, per descrivere la generazione e la durata degli impulsi emessi. 
- 
-Per descrivere i pesi delle connessioni,​ e le leggi con cui si modificano, si utilizzano [[neurali:​modelli di sinapsi]]. 
- 
-==== Sinapsi ==== 
- 
-I pesi delle connessioni sono stabiliti durante la fase di [[neurali:​addestramento]]. Dopo l'​addestramento la rete neurale può essere utilizzata per riprodurre il comportamento di una certa funzione (fornendo input e ricevendo output). 
-La plasticità di una sinapsi indica quanto è possibile modificare i pesi dopo l'​addestramento,​ durante l'​utilizzo. La modifica dei pesi permette di realizzare funzioni neurali che non possono essere ottenute usando pesi costanti, come la memoria. Con i pesi costanti si potrebbero ottenere funzioni neurali che non cambiano con il tempo, come la capacità di riconoscere i colori oppure le forme. 
- 
-Anche la plasticità di una sinapsi può essere rappresentati tramite diversi modelli: 
- 
-  * static plasticity (default) 
-  * [[neurali:​long-term_plasticity]] 
-  * short-term plasticity 
-  * spike-timing depending plasticity (STDP) vedere [[neurali:​associative learning]] 
- 
-Funzione pytohn per visualizzare tutti i modelli disponibili 
- 
-  nest.Models(synapses) 
- 
- 
-Una delle caratteristiche che contraddistingue una sinapsi è la sua destinazione finale. 
- 
-  * allow_autapses:​true ([[neurali:​neuroni#​sinapsi|autoapsi]]) 
-  * allow_multipses:​true (sinapsi multiple) 
- 
-===Tipi di connessione=== 
- 
-  * one_to_one (default, ogni neurone è connesso ad uno e un solo altro neurone e viceversa) 
-  * all_to_all (ogni neurone è connesso a tutti gli altri neuroni, a maglia completa) 
-  * fixed_indegree (parametrico,​ N , stabilisco n. connessioni fisso in ingresso verso l'​altra lista) 
-  * fixed_outdegree (meno efficiente del precedente) 
-  * fixed_total_numer (parametrico,​ N, stabilisco il n. di connessioni in ingresso verso l'​altra lista) 
-  * pairwise_bernoulli (parametrico,​ p è la distribuzione di probabilità per generare casualmente connessioni) 
-  * Questa funzione accetta anche due volte la stessa lista di nodi 
- 
-===Modelli di neuroni=== 
- 
-Le caratteristiche indicate hanno dei valori numerici predefiniti,​ ma il programmatore **può modificare** questi valori per ottenere comportamenti leggermente diversi 
- 
-[[neurali:​nest modello iaf_neuron]] 
- 
- 
  
  • neurali/nest_modelli.txt
  • Last modified: 2018/04/25 07:55
  • (external edit)