nuget
Spiking neural networks: LIF layers, encoders and decoders, STDP learning, surrogate gradients and the spiking network model.
Microsoft.VisualBasic.DeepLearning.SpikingNeuralNetwork 1.0.9762.11310.
01 Namespaces
Microsoft.VisualBasic.DeepLearning.SpikingNeuralNetwork
| Type | Summary | Members |
|---|---|---|
| AdamOptimizer | Adam 优化器（含梯度 L2 范数裁剪）。 key 用于区分不同参数的动量状态（例如各层权重）。 | 5 |
| LIFLayer | 17 | |
| LIFResetMode | 膜电位复位模式 | 4 |
| LinearReadout | 线性回归解码头：把脉冲网络状态（膜电位 / 发放率）线性映射为连续预测值。 | 13 |
| Losses | 损失函数库 | 1 |
| LossGradient | Softmax 交叉熵的返回结构 | 4 |
| RecurrentGradients | 递归 LIF 层 BPTT 的梯度结果。 | 6 |
| RecurrentLIFLayer | 可训练的递归 LIF 层：同一神经元群内部的稠密稀疏化突触连接， 支持结构掩码冻结、硬/软复位与代理梯度 BPTT。 | 37 |
| RegressionLosses | 回归损失与结构正则原语 | 10 |
| SparseLIFLayer | 14 | |
| SparseMatrix | 稀疏突触连接矩阵（CSR 格式）。行 = 突触前神经元，列 = 突触后神经元。 | 11 |
| SparseNormalization | 突触权重归一化方式 | 8 |
| SpikeDecoders | 脉冲序列 → 连续值的解码工具 | 7 |
| SpikeEncoders | 脉冲编码器库 | 3 |
| SpikeEncoding | 输入脉冲编码方式 | 6 |
| SpikingNetwork | 脉冲神经网络：编码器 + 多个 LIF 层 + 时间展开 + 计数解码。 支持两种连接拓扑（互斥）： 1. | 17 |
| STDPLayer | 13 | |
| Surrogate | 替代梯度函数库 | 3 |
| SurrogateKind | 替代梯度函数类型 | 6 |