文件名称：向量的散度matlab代码-generative-neural-models:用于学习一些已发布的神经React生成模型的MATLAB代码
文件大小：38KB
文件格式：ZIP
更新时间：2024-06-21 13:12:58
系统开源
向量的散度matlab代码神经群体React的生成模型 用于学习一些已发表的实验记录神经React生成模型的 MATLAB 代码。 学习利用一种形式的持续对比发散。 使用退火重要性抽样估计可能性。 响应s被假定为二元向量。 半参数成对模型具有以下形式 其中耦合矩阵J和非线性函数 V 都必须从数据中学习。 函数 V 应以非参数方式指定。 有关详细信息，请参阅： Humplik J., Tkačik G. (2016) 基于半参数能量的概率模型。 K-pairwise 模型的形式为 这些模型被引入 Tkačik G.、Marre O.、Amodei D.、Schneidman E.、Bialek W. 等。 (2014) 在大型感觉神经元网络中寻找集体行为。 PLoS Comput Biol 10(1)：e1003408。 上述模型是成对模型（完全可见的玻尔兹曼机）的推广： 在神经科学的背景下，这些模型在例如 Schneidman E.、Berry MJ、II、Segev R. 和 Bialek W. (2006) 弱成对相关意味着神经群体中的强相关网络状态。 自然，440（7087）：1
【文件预览】：
generative-neural-models-master
----grad_descent.m(1KB)
----semiparametric_independent()
--------sample_semi_independent.m(1KB)
--------getZ_semi_independent.m(2KB)
--------fit_semi_independent.m(5KB)
--------likelihood_semi_independent.m(1KB)
----DmonotoneDt.m(1011B)
----monotone.m(4KB)
----doc()
--------Kpairwise.png(3KB)
--------pairwise.png(2KB)
--------nonlinear_pairwise.png(2KB)
--------rbm.png(3KB)
----semiparametric_pairwise()
--------fit_semi_pairwise.m(5KB)
--------likelihood_semi_pairwise.m(1KB)
--------getZ_semi_pairwise.m(2KB)
--------sample_semi_pairwise.m(1KB)
----README.md(2KB)
----pairwise()
--------sample_pairwise.m(940B)
--------likelihood_pairwise.m(1KB)
--------fit_pairwise.m(3KB)
--------getZ_pairwise.m(2KB)
----rbm()
--------fit_RBM.m(4KB)
--------getZ_RBM.m(2KB)
--------sample_RBM.m(784B)
--------likelihood_RBM.m(1KB)
----k_pairwise()
--------getZ_Kpairwise.m(2KB)
--------likelihood_Kpairwise.m(1KB)
--------fit_Kpairwise.m(4KB)
--------sample_Kpairwise.m(1KB)
----.gitignore(10B)