核心概念

深入探讨库的设计、架构和理论基础。

本节提供CANNs库设计原则、模块组织和概念基础的深入解释。这些文档侧重于”为什么”和”何时”而不是”如何”，帮助您理解库的架构并就使用其组件做出明智决策。

主题:

• 设计哲学与架构概览
• 模型集合
• 任务生成器
• 分析方法
• 脑启发训练

概述

设计哲学与架构概览

理解库的架构、核心设计原则和四个核心应用场景。了解关注点分离、可扩展性、BrainPy集成和性能策略。

模型集合

探索三个模型类别：基础CANN模型、具有学习机制的脑启发模型以及结合CANN与ANN的混合模型。理解BrainPy基础以及如何实现自定义模型。

任务生成器

任务生成哲学和可用范式。了解跟踪任务（群体编码、模板匹配、平滑跟踪）和导航任务（闭环、开环）。理解模型-任务耦合和设计考虑。

分析方法

综合分析工具，包括用于仿真的模型分析器、用于实验记录的数据分析器、用于不动点的RNN动力学分析以及用于几何结构的拓扑数据分析。

脑启发训练

脑启发学习机制和Trainer框架。了解活动依赖可塑性、学习规则（Hebbian、STDP、BCM）以及如何实现生物学合理学习的自定义训练器。