完整详细教程

涵盖CANNs库各个方面的综合教程，按研究场景组织。

概述

这些教程为在不同研究场景中使用CANNs库提供深入的实践指导。每个教程都是完整的Jupyter笔记本，您可以运行和修改。

场景

教程场景:

场景描述

** 场景1：CANN建模与仿真 **（7个教程）

从头开始构建、仿真和分析连续吸引子神经网络。 学习网络动力学、参数效应和高级架构。

  • 基础：基本模型、任务、可视化、参数

  • 高级：分层网络、Theta扫描、复杂环境

** 场景2：数据分析与神经解码 **（即将推出）

分析实验神经记录、解码空间表示， 并根据真实数据验证模型预测。

** 场景3：脑启发学习 **（1个教程）

实现生物启发学习规则，包括Hebbian可塑性 和联想记忆机制。

  • 使用Hopfield网络的模式存储和回忆

** 场景4：端到端研究工作流 **（1个教程）

使用高级管道进行完整分析，无需详细实现知识。 适合实验神经科学家。

  • 用于轨迹分析的Theta扫描管道

学习路径

** 对于计算神经科学家：**

  1. 从场景1（CANN建模）开始 - 学习基础知识

  2. 探索场景3（脑启发学习） - 理解学习机制

  3. 使用场景4（管道）进行快速分析

** 对于实验神经科学家：**

  1. 从场景4（管道）开始 - 快速分析您的数据

  2. 可选地探索场景1 - 理解幕后发生的情况

  3. 探索场景3以了解基于学习的模型

** 对于方法开发者：**

  1. 掌握场景1（CANN建模） - 深入理解模型

  2. 学习场景3（脑启发学习） - 扩展学习规则

  3. 使用场景4代码作为创建新管道的参考

前置条件

  • ** 编程 **：基础Python知识（NumPy、matplotlib）

  • ** 数学 **：线性代数、微分方程（有帮助但不必需）

  • ** 神经科学 **：基本的神经编码理解（推荐）

每个场景的索引页面都列出了特定的前置条件。

时间承诺

  • ** 场景1**：约5小时（7个教程）

  • ** 场景2**：即将推出

  • ** 场景3**：约35分钟（1个教程）

  • ** 场景4**：约60分钟（1个教程）

所有可用教程的总估计时间：约6.5小时

快速开始

** 初次接触CANNs？**

  1. 首先完成 快速入门

  2. 阅读 核心概念 以获取背景信息

  3. 然后深入学习这些详细教程

** 有经验？**

直接跳到与您需要匹配的场景。

运行教程

所有教程都以Jupyter笔记本（`.ipynb`文件）的形式提供。

** 本地运行：**

# 克隆仓库
git clone https://github.com/PKU-NIP-Lab/CANNs.git
cd CANNs

# 安装依赖
pip install -e .[dev]

# 启动Jupyter
jupyter notebook docs/en/3_full_detail_tutorials/

** 在线运行：**

  • 直接在GitHub上打开笔记本

  • 使用Google Colab（上传笔记本）

  • 使用Binder（链接即将推出）

支持与反馈

贡献

我们欢迎贡献！如果您：

  • 发现现有教程的错误或改进

  • 想要添加新教程

  • 对更好的解释有建议

请提交拉取请求或开启问题。

后续步骤

选择上面的一个场景并开始学习！每个场景页面都提供 有关其内容和学习目标的详细信息。