python中尖峰神经网络的感受野算法

我想用python计算尖峰神经网络的感受野（例如高斯）。假设我想对iris数据集进行编码，并将其转换为尖峰序列。我与Brian framework合作，正在寻找一种对数据集进行编码的方法

有什么方法可以自动完成吗？甚至是任何解释转变过程的网站？我读过几篇论文，但这个过程有部分解释

---

提前感谢重叠高斯RF，您需要知道每个变量的最小值（

I_min

）和最大值（

I_max

）。然后，（同样对于每个变量）创建一个

N

输入神经元数组，位于

N

重叠高斯峰处。使用以下公式在变量范围内均匀地隔开神经元（这当然是伪代码）：

---

beta

控制高斯曲线的宽度。更多细节请参见论文。

这个问题太宽泛、定义不清、模糊，无法在这里得到有意义的答案。没有通用工具可以满足您的要求。我投票决定结束。我不是说一个通用工具，我只是指自动（代码？功能？）。这是一种非常常见的编码具有连续特征的数据集的方法，奇怪的是没有找到一个很好的解释和标准解决方案来解决这个问题。非常感谢cantordust。是的，我知道这篇文章，但我不明白是什么把它们转化为尖峰时间延迟。在图2中，我看不到三角形和左下图之间的关系。每个神经元的延迟等于当前值的垂直偏移量。因此，在本例中，您有

v=0.75

。画一条垂直线，看看它与每一条线相交的地方。交点为您提供一个偏移。对于神经元1，垂直线与高斯线在

0.8左右相交，因此神经元1在
（1-0.8）=0.2时触发。这就是下图中的小破折号所表示的。交叉点越高，延误越小。我希望这有帮助！顺便说一句，我发现画高斯倒数很有用。然后延迟变成垂直偏移，而不是（1-偏移）。好的，康托德，我已经理解了这个数字，你的回答非常有用。为了在其他论文中理解同样的方法，我在中找到了另一个例子。在图10中，这种方法非常相似，但我无法理解12个神经元的尖峰序列是如何形成的(−1.−1, 14, 200, −1, 119, 7, −1.−1.−1.−1.−1） 可以转化为延迟：为什么y轴的范围是0-400？如何设置禁射区？如何使用spike火车(−1.−1, 14, 200, −1, 119, 7, −1.−1.−1.−1.−1） 在Brian framework中，该示例与第一篇文章中的示例完全相同，不同之处在于垂直范围已扩展到
400
（我假定这是以毫秒为单位）。它们甚至显示了精确的交点和相应的偏移。通常只有少数输入神经元会激发，在这种情况下是延迟
>0的神经元。无点火区通常为最大值的
90%
（在这种情况下为
360
）。Re Brian，您必须阅读文档以了解如何设置网络。
range = I_max - I_min
for (i = 1..N)
    gaussian_i_mean = I_min + range * (2*i - 3) / (2 * (N - 2))
    gaussian_i_sd = range / (beta * (N - 2))
end for