44、基于Matlab的相位响应曲线、延迟与同步及多项式因式分解研究

基于Matlab的相位响应曲线、延迟与同步及多项式因式分解研究

一、Matlab软件相关介绍

Cl MatCont和MatCont是用于研究动态系统及其分岔的软件包,它们是用编译语言(Fortran、C、C++)编写的软件包的后续版本。其完全基于Matlab平台,具有诸多优势:
- 用户友好性与可移植性 :Matlab的平台独立性使得这两个软件包比其他软件更易于使用,且能在所有操作系统上运行。
- 内置工具与标准处理 :Matlab内置了GUI开发工具,允许对数据文件、图形输出等进行标准处理。

MatCont使用Matlab标准的ODE求解器对动态系统进行时间积分,还大量使用了构成Matlab核心的线性代数例程以及Matlab提供的稀疏求解器例程。不过,其代码运行速度不可避免地比编译型编程语言慢。但可以通过中间C代码实现C代码和Matlab代码的相互通信,利用Matlab中自带的C编译器在运行时编译C代码,虽然启动程序时会有轻微延迟,但与后续计算所需时间相比可忽略不计,且能保证程序完全独立于平台。

二、模型的相位响应曲线

周期性放电神经元的相位响应曲线(PRC)表示其在周期内特定时间接收到输入脉冲时的反应。更正式地说,PRC是一个定义在无额外输入的放电神经元的一个放电周期内的函数,以一个尖峰的峰值作为周期的起点。在周期的每个点上,PRC表明在该特定时间向神经元输入脉冲对后续尖峰的影响。

线性化的相位响应曲线定义为:
[PRC(t) = \varphi(t) = \lim_{\alpha \to 0} \frac{G(t, \alph

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值