here is a 3d spiking neural network created in PyNN running on nest simulator

import pyNN.nest as sim import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # Szimuláció inicializálása sim.setup() # Neuronok létrehozása num_neurons = 100 neurons = sim.Population(num_neurons, sim.IF_cond_exp()) # Neuronok pozícióinak beállítása positions = np.random.rand(num_neurons, 3) * 10 # 3D pozíciók generálása neurons.positions = positions.T # Transzponálás a megfelelő alakra # Szinapszisok létrehozása connector = sim.FixedNumberPreConnector(n=10) synapse = sim.StaticSynapse(weight=0.1, delay=1.0) projection = sim.Projection(neurons, neurons, connector, synapse) # Szimuláció futtatása sim.run(1000.0) # Vizualizáció fig = plt.figure() ax = fig.add_subplot(111, projection='3d') ax.scatter(positions[:, 0], positions[:, 1], positions[:, 2], c='b', marker='o') # Szinapszisok vizualizálása connections = projection.get(['weight', 'delay'], format='list') for conn in connections: pre_idx, post_idx, weight, delay = conn pre_pos = positions[int(pre_idx)] # Indexek átalakítása egész számokká post_pos = positions[int(post_idx)] # Indexek átalakítása egész számokká ax.plot([pre_pos[0], post_pos[0]], [pre_pos[1], post_pos[1]], [pre_pos[2], post_pos[2]], 'k-', alpha=0.1) ax.set_xlabel('X tengely') ax.set_ylabel('Y tengely') ax.set_zlabel('Z tengely') plt.show() # Szimuláció lezárása sim.end()

Mar 22, 2025 - 14:40

here is a 3d spiking neural network created in PyNN running on nest simulator

import pyNN.nest as sim
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# Szimuláció inicializálása
sim.setup()

# Neuronok létrehozása
num_neurons = 100
neurons = sim.Population(num_neurons, sim.IF_cond_exp())

# Neuronok pozícióinak beállítása
positions = np.random.rand(num_neurons, 3) * 10  # 3D pozíciók generálása
neurons.positions = positions.T  # Transzponálás a megfelelő alakra

# Szinapszisok létrehozása
connector = sim.FixedNumberPreConnector(n=10)
synapse = sim.StaticSynapse(weight=0.1, delay=1.0)
projection = sim.Projection(neurons, neurons, connector, synapse)

# Szimuláció futtatása
sim.run(1000.0)

# Vizualizáció
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(positions[:, 0], positions[:, 1], positions[:, 2], c='b', marker='o')

# Szinapszisok vizualizálása
connections = projection.get(['weight', 'delay'], format='list')
for conn in connections:
    pre_idx, post_idx, weight, delay = conn
    pre_pos = positions[int(pre_idx)]  # Indexek átalakítása egész számokká
    post_pos = positions[int(post_idx)]  # Indexek átalakítása egész számokká
    ax.plot([pre_pos[0], post_pos[0]], [pre_pos[1], post_pos[1]], [pre_pos[2], post_pos[2]], 'k-', alpha=0.1)

ax.set_xlabel('X tengely')
ax.set_ylabel('Y tengely')
ax.set_zlabel('Z tengely')
plt.show()

# Szimuláció lezárása
sim.end()

here is a 3d spiking neural network created in PyNN running on nest simulator

Tags:

Related Posts

Popular Posts

Recommended Posts