吉布斯采样matlab代码-RecNet_NeuralCodes:基于递归网络的神经人口代码，以实现基于采样的推理来近似后验

吉布斯采样matlab代码RecNet_NeuralCodes 概述 该代码模拟了循环神经网络，该循环神经网络使用结构化的循环连接和内部Poisson峰值变异性对神经React空间中的刺激特征子空间实施Gibbs采样，以近似刺激和上下文特征上的关节后部。 我们使用此网络模型来显示网络具有最佳的非零递归强度以正确地采样关节后部，并且最佳的递归强度由世界上刺激和上下文之间的相关强度确定。 该网络具有兴奋性（E）和抑制性（I）神经元，每个神经元均以Hawkes过程建模。 E神经元对刺激特征具有高斯调整，而I神经元对刺激没有选择性，仅保持网络的稳定性。 网络中的经常性连接 根据两个E神经元的调谐相似性将它们连接起来。 网络中的所有其他连接（包括E到I，I到E和I到I）都是非结构化的。 网络模型具有三个可变性来源： 前馈泊松输入。 内部泊松峰变化性。 复发性泊松样变异。 有关网络模型和此代码结果的更多详细信息，请参见我们的bioRxiv文章，网址为： 用户指南和系统要求 该代码是在MATLAB R2018b上开发的，无论使用什么操作系统，都可以在版本至少为R2018b的MATLAB上运行。 直接