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 源码
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。
文件列表
computation-thru-dynamics-master.zip
(预估有个47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
暂无评论