<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[为中国自豪]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/duchengyan</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; duchengyan]]></copyright><item><title><![CDATA[Neuronal Dynamics原文翻译——6.4 Spike Response Model（SRM）]]></title><link>https://blog.youkuaiyun.com/duchengyan/article/details/121552475</link><guid>https://blog.youkuaiyun.com/duchengyan/article/details/121552475</guid><author>duchengyan</author><pubDate>Fri, 26 Nov 2021 09:30:05 +0800</pubDate><description><![CDATA[6.4 尖峰反应模型（SRM）
原文链接：6.4 Spike response model (SRM)
到目前为止，我们已经用微分方程组描述了神经元动力学。第1.3.5节中介绍了另一种方法，即“过滤图片”。在这幅图中，模型的参数被时间的（参数）函数代替，通常称为“过滤器”。因此，神经元模型被解释为膜过滤器以及描述尖峰形状的函数（图6.11），并且可能也是阈值时间过程的函数。这三个功能共同建立了尖峰反应模型（SRM）。
尖峰响应模型与第5章中的非线性积分和火灾模型或第6.1节中的AdEx一样，是泄漏积分和火灾]]></description><category></category></item><item><title><![CDATA[STM32MPU&STM32&STM8单片机命名规则]]></title><link>https://blog.youkuaiyun.com/duchengyan/article/details/104224692</link><guid>https://blog.youkuaiyun.com/duchengyan/article/details/104224692</guid><author>duchengyan</author><pubDate>Fri, 26 Nov 2021 09:11:21 +0800</pubDate><description><![CDATA[(转自:小马哥)


]]></description><category></category></item></channel></rss>