Topographica是一个由美国国立卫生研究院拨款，用于神经建模开发的人类脑计划。 通过它进行计算模拟将使神经科学家有助于了解大脑功能。
Topographica是一个计算模拟神经的软件，开发的研究所在爱丁堡大学和德克萨斯大学奥斯汀分校的神经网络研究组。该项目是人类脑计划下的1R01 - MH66991。其目的是帮助科学家理解大脑功能，后续感觉和运动系统。
它旨在模拟许多低层次神经元，如神经元。这些模拟器侧重于详细内部行为，神经元和小型网络的建模。而不是侧重于大型结构和功能，可见有成千上万的这种神经 元连接。许多重要的现象，不能没有这种大型网络系统，包括二维的视觉组织方向和运动方向，对象分割和分组进程。
为了使这种模式更实际，它的基本单位是神经元的功能单元，而不是一个神经元或部分的神经细胞。对于大多数模拟，可以执行在较高的水平，包括抽象的发射率或 集成和消防神经元。当需要验证或针对特定的现象，它可以很容易地扩展板使用接口，在其他模拟器更详细的神经元模型。也可以暂时使用较详细的介绍，例如：相 互作用模型。使它易于使用适当的详细程度和复杂性，所确定的可用计算能力，现象的兴趣，生物量的数据进行验证。
这个数字在右上角显示一个例子Topographica模式的早期阶段中的视觉系统，模拟视网膜的投入如何转变的丘脑，初级视觉皮层，皮质和较高的地区。由于它是一个通用型模拟器，它也支持任何其他感官方式，分为地形图，如触摸和听力，以及自动领域。
它免费供下载，而且是一个开源项目，任何用户可以扩展和修改。我们欢迎来自用户的捐款，并邀请有兴趣的人加入我们的分布式开发团队。代码仍非常积极的发 展，这是在日常生活中使用的许多研究项目和学术课程。由于发展快速，作为一个开发商，可能是最好的方式跟上所有的变化。
-
本文向大家介绍python GUI模拟实现计算器，包括了python GUI模拟实现计算器的使用技巧和注意事项，需要的朋友参考一下 python编写计算器，供大家参考，具体内容如下 （1）计算器界面如下： （2）基本满足了计算器的所有需求，使用时不可键盘输入，只能鼠标点击左键才可执行。初始时显示0.0，每次输入的内容存于D:\num.txt(启动程序时自动创建) （3）" AC " 记录清零返回初
-
我正在学习神经网络和反向传播。我想我了解网络是如何工作的，在输入、输出、隐藏层、权重、偏差等方面。但是，我仍然不完全了解如何设计一个网络来适应一个问题。IE：假设我想要一个神经网络来学习如何演奏曲子，我该如何把这个问题转化为神经网络的设计呢？欢呼：）
-
人工神经网络 人工神经网络是借鉴了生物神经网络的工作原理形成的一种数学模型，有关人工神经网络的原理、公式推导以及训练过程请见我的文章《机器学习教程 十二-神经网络模型的原理》 神奇用法之一 我们这样来设计我们的神经网络：由n个输入特征得出与输入特征几乎相同的n个结果，这样训练出的隐藏层可以得到意想不到的信息。 比如，在信息检索领域，我们需要通过模型训练来得出合理的排序模型，那么输入的特征可能有：文
-
我是CNN研究的新手，我从看Andrew'NG的课程开始。有一个例子我不明白： 他是如何计算#参数值的？
-
我在Keras有卷积神经网络。我需要知道每个图层中要素地图的尺寸。我的输入是28 x 28像素的图像。我知道有一种计算方法，但我不知道如何计算。下面是我使用Keras的代码片段。 最后，这就是我想画的。非常感谢。
-
我找不到正确的公式来计算CNN中一个卷积层中的MAC数量。我从Quora尝试了这个公式 式中：输入特征映射的HW大小；KL滤波器大小S跨距C通道输入M输出特征映射N输入特征映射数 我举了一个例子：1个输入图像5x5x1 1个过滤器3x3x1然后我做了一个天真的计算，我得到了81个MAC。但当我使用上述公式时，ai得到了9。 我想有些事情我不明白。 提前感谢