Differences

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

--- neurali:nest_modelli [2015/07/04 11:39] – [Modelli usati con NEST] profpro
+++ neurali:nest_modelli [2020/06/08 22:20] – external edit 127.0.0.1
@@ 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 la fase diaddestramento, durante la fase di produzione, di esercizio o 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]]