事件驱动的神经网络模拟

Question

我正在考虑构建一系列事件驱动的神经网络，其灵感来自实际的大脑架构而不是简单的前馈网络（对于参考框架，它将更接近HTM算法）。我想简化网络中的神经元，使它们像真正的神经元一样：

- 包含一系列指向其他神经元和任何必要连接数据的指针。

- 包含与其激活是否已超过阈值相对应的值。

- 当超过阈值时，它会触发由神经元内的方法处理的事件，更新连接权重并更新连接神经元的激活。

我看到它的方式，事件驱动的性质允许网络评估多个处理器上的激活事件，并且网络在本地更新的事实意味着它不需要监督培训。我对事件驱动编程相当新（我玩过wxPython）所以我需要问两个问题：

是否有用于模拟的良好事件驱动API，或者我应该从opengl中提取我需要的功能？

对于如何限制在给定时间段内可能发生的事件数量而不跳过事件，您有什么建议吗？模拟是连锁反应，如果处理不当，将消耗所有处理器。

Answer 1

如果我理解你的想法，它就像"integrate and fire"模型。模型中的电压水平只是您的激活水平 如果您想重新使用现有软件来建模此类网络，您可以从一个长列表中进行选择 http://home.earthlink.net/~perlewitz/sftwr.html#realistic

其中一些有一个python前端，所以它们可能可以从wxPython中使用。