没有合适的资源?快使用搜索试试~ 我知道了~
computation-thru-dynamics:通过动力学系统了解人工和生物递归网络中的计算
共47个文件
py:30个
ipynb:10个
png:2个
需积分: 5 0 下载量 10 浏览量
2021-03-11
17:17:08
上传
评论
收藏 16.55MB ZIP 举报
温馨提示
动力学计算 该存储库包含许多子项目,这些子项目与人工和生物神经系统中的计算和动力学的互连有关。 这不是官方支持的Google产品。 先决条件 该代码被编写为与Python 3兼容。您还将需要: JAX版本0.1.75或更高版本()- JAX lib最新版本(与JAX一起安装) NumPy,SciPy,Matplotlib ( ,包含所有这些) h5py () GPU -XLA将这些示例缓慢地编译到CPU,因此最好现在使用GPU。 与情绪分析中的递归网络如何实现上下文处理相关的玩具模型分析 神经网络具有出色的上下文处理能力-使用最近或附近的输入来修改当前输入的处理。 例如,在自然语言中,上下文处理对于正确解释否定(例如短语“不错”)是必需的。 但是,我们了解网络如何处理上下文的能力是有限的。 在这里,我们提出了用于逆向工程递归神经网络(RNN)的通用方法,以识别和阐明上下文处理。
资源推荐
资源详情
资源评论
收起资源包目录
computation-thru-dynamics-master.zip (47个子文件)
computation-thru-dynamics-master
images
lfads_architecture_w_inferred_inputs_3.png 98KB
FORCE_banner.png 150KB
lfads_architecture_w_inferred_inputs_3.pdf 834KB
lfads_tutorial
utils.py 4KB
lfads.py 19KB
distributions.py 7KB
plotting.py 6KB
__init__.py 0B
optimize.py 8KB
integrator_rnn_tutorial
utils.py 2KB
integrator.py 3KB
rnn.py 6KB
__init__.py 0B
experimental
contextual_integrator_rnn_tutorial
utils.py 2KB
integrator.py 4KB
rnn.py 7KB
__init__.py 0B
lfads_cc
utils.py 4KB
lfads.py 34KB
distributions.py 4KB
plotting.py 8KB
optimize.py 10KB
notebooks
Contextual Integration RNN Tutorial.ipynb 825KB
JSLDS_for_CTD.ipynb 5.79MB
LFADS CC Tutorial.ipynb 1.69MB
Sequence_to_sequence_attn_and_h0_encodings.ipynb 2.66MB
LFADS GMM Tutorial.ipynb 1.72MB
lfads_gmm
utils.py 4KB
lfads.py 29KB
distributions.py 10KB
plotting.py 8KB
__init__.py 0B
optimize.py 10KB
LICENSE 11KB
CONTRIBUTING.md 1KB
.gitignore 61B
README.md 5KB
notebooks
FORCE_Learning_in_JAX.ipynb 2.4MB
Integrator RNN Tutorial.ipynb 1.22MB
Fixed Point Finder Tutorial.ipynb 1.58MB
LFADS Tutorial.ipynb 983KB
toy_model_for_context_ICML_2020.ipynb 2.61MB
fixed_point_finder
decision.py 3KB
utils.py 2KB
fixed_points.py 14KB
rnn.py 10KB
__init__.py 0B
共 47 条
- 1
资源评论
少女壮士
- 粉丝: 26
- 资源: 4660
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功