我正在尝试实现 Izhikevich 模型的尖峰神经元。这种神经元的公式非常简单：

v[n+1] = 0.04*v[n]^2 + 5*v[n] + 140 - u[n] + I

u[n+1] = a*(b*v[n] - u[n])

其中 v 是膜电位，u 是恢复变量。

如果v高于 30，则将其重置为c并且u重置为u + d。

鉴于这样一个简单的等式，我不希望有任何问题。但是，虽然图表应该看起来像，但我得到的只是：

我完全不知道自己做错了什么，因为几乎没有什么可做的。我一直在寻找其他实现，但我正在寻找的代码总是隐藏在某个 dll 中。但是我很确定我所做的正是作者 (2) 的 Matlab 代码正在做的事情。这是我的完整 R 代码：

对于曾经实施过 Izhikevich 模型的任何人，我错过了什么？

有用的链接：（1）http://www.opensourcebrain.org/projects/izhikevichmodel/wiki （2）http://www.izhikevich.org/publications/spikes.pdf

回答

所以事实证明我读错了公式。显然 v' 意味着新的 v = v + 0.04*v^2 + 5*v + 140 - u + I。我的老师会写成 v' = 0.04*v^2 + 6 *v + 140 - u + I . 我非常感谢您帮助我指出这一点。

我的 ANN 的输入（特征）和预期输出如下：

• 输入 1：产品 ID（数字，转换为双精度）
• 输入 2：过去的年份（1900..2017，转换为双精度）
• 输入 3：一年中的月份（1..12，转换为双精度）
• 预期产量：月销售额（售出的单位数量，翻倍）

我需要预测某年某月某产品的销量。我应该在那里放置多少层和多少神经元？

在我的神经网络模型中，测试精度在迭代中下降。我检查了学习率并将其调整得更小，但我的测试准确度不断下降但没有波动，所以我认为这不是问题的原因。

我使用 tempotron 学习规则，并处理 Iris 数据集，我使用 100 个训练样本和 50 个测试样本。

我检查了我的代码，一开始测试的准确性有所提高，所以我认为学习规则确实对权重起作用。

但我不明白为什么在那之后性能下降。有人可以有任何想法吗？谢谢。

测试精度

正确 = 0; 对于 test_sample = 1：长度（测试）

结尾

正确率（迭代）=正确/（长度（测试））；

如果迭代 > 1

结尾

％％ 训练

结尾

我读了很多关于 convnets 的文章，但我仍然错过了一个重要的部分。

假设我们有一个带有 32 个过滤器的 conv2D 层：

我知道这些过滤器的权重在开始时是随机初始化的，并且在训练过程中这些过滤器是形成的。所以在第一层他们开始检测边缘。

现在在池化之后，我们有另一个卷积层（让我们再次说 32 个过滤器），它将对前一层的结果应用过滤器。

因此，第 2 层将对来自第一层的这 32 个输出中的任何一个应用 32 个过滤器。 我看到了很多这些特征图的例子：第一层产生边缘图片，下一层图片是形状、耳朵、鼻子等。我的问题是这怎么可能？

如果第 2 层对第 1 层结果应用过滤器，而第 1 层结果是边，那么如何从边获取表单？

我显然在这里遗漏了一些东西，请帮助我理解 conv 网络中的每个下一层如何产生更丰富的特征，如表格、眼睛、面部，以防它使用前一层的生产，其中特征只是线条和边缘？

在我丢失的过程中是否有一些信息合并或更多？

提前致谢

我不明白 NEAT 算法如何根据连接基因获取输入然后输出数字，我熟悉使用固定拓扑神经网络中的矩阵来前馈输入，但是由于 NEAT 中的每个节点都有自己的连接数并且不是'不一定连接到每个其他节点，我不明白，经过大量搜索后，我找不到 NEAT 如何根据输入产生输出的答案。

有人可以解释它是如何工作的吗？

假设我有一个有很多房间的工作场所。每个房间都需要特定专业的员工。每个员工都有他的专长。

我需要分配员工在房间里工作一周，我希望以最有效的方式完成。员工方式还有其他限制，例如假期等。

我想知道我是否会将一个问题定义为可以用遗传算法解决的最有效的方式将员工分配到房间？

如果不是这种问题的正确方法是什么？

我在哪里可以找到循环脉冲神经网络工作的确切定义以及它们是如何工作的？我试过谷歌，它只是显示了很多论文和文章来实现这些，但没有正确的定义。

我有一个包含多个 fasta 序列的 txt 文件（我特别愿意将这些序列与基因名称一起解析。请您帮助选择标题中具有特定名称的序列。谢谢

txt 文件中的原始数据。

lcl|NC_045512.2_gene_6 [gene=ORF6] [locus_tag=GU280_gp06] [db_xref=GeneID:43740572] [location=27202..27387] [gbkey=Gene] ATGTTTCATCTCGTTGACTTTCAGGTTACTATAGCAGAGATATTACTAATTATGAGGACTTTTAAAG

在python中解析后的预期数据

ORF6 ATGTTTCATCTCGTTGACTTTCAGGTTACTATAGCAGAGATATTACTAATTATTATGAGGACTTTTAAAG

我用过这个，我能够获得

得到的结果是这样的。

lcl|NC_045512.2_gene_6 ATGTTTCATCTCGTTGACTTTCAGGTTACTATAGCAGAGATATTACTAATTATTATGAGGACTTTTAAAG

我正在尝试使用已发布的所有序列来构建数据库细菌类型，以使用 bowtie2 进行映射计算我对该数据库的读取的覆盖率，为此，我将我从 ncbi 下载的所有基因组序列合并到一个 fasta_library 中（我合并 74 个文件在fasta文件中），问题是在这个fasta文件（我创建的库）中我有很多重复的序列，这在很大程度上影响了覆盖率，所以我问是否有任何方法可以消除重复我在我的 Library_File 中有，或者是否有任何方法可以合并序列而不会出现重复，或者是否有任何其他方法可以计算我的读取对参考序列的覆盖率

我希望我足够清楚，如果有任何不清楚的地方，请告诉我。

是否可以使用 Tensorflow 或一些类似的库来制作可以同时有效训练和使用的模型。

一个示例/用例是您提供反馈的聊天机器人。有点像宠物的学习方式（即复制它们刚刚为奖励所做的事情）。或者能够添加他们可以使用的新条目或新响应。