事件驱动的神经网络模拟

Question

我正在考虑构建一系列事件驱动的神经网络，其灵感来自实际的大脑架构，而不是简单的前馈网络（作为参考，它将更接近 HTM 算法）。我想将网络中的神经元简化到类似于真实神经元的程度：

-包含一系列指向其他神经元的指针和任何必要的连接数据。

- 包含一个与其激活是否超过阈值相对应的值。

-当超过阈值时，它会触发神经元内的方法处理的事件，更新连接权重并更新连接神经元的激活。

在我看来，事件驱动的性质允许网络评估多个处理器上的激活事件，并且网络在本地更新的事实意味着它不需要监督训练。我对事件驱动编程相当陌生（我玩过 wxPython），所以我需要问两个问题：

是否有用于模拟的良好事件驱动 API，或者我应该只从 opengl 之类的东西中提取我需要的功能？

对于如何在不跳过事件的情况下限制给定时间段内可能发生的事件数量，您有什么建议吗？模拟是连锁反应，如果处理不当，会消耗所有处理器。

Answer 1

如果我正确理解您的想法，它类似于 "integrate and fire" 模型。模型中的电压水平只是您的激活水平。
如果您想重新使用现有软件对此类网络进行建模，您可以从位于以下位置的长列表中进行选择 http://home.earthlink.net/~perlewitz/sftwr.html#realistic

其中一些具有 python 前端，因此它们可能可以在 wxPython 中使用。