728x90
반응형

AI 26

[Tensorflow] 00. 딥러닝이란

🙆‍♂️머신 러닝 이란 딥러닝을 알기 위해서는 먼저 머신러닝을 알아야 합니다. 먼저 머신러닝은 기계에게 학습시키는 것입니다. 사람이 가이드를 줘서 학습을 시킬 수도 있지만 이 가이드(알고리즘)을 수많은 데이터를 입력해서 기계가 알고리즘을 짤 수 있도록 합니다. 🙋‍♂️머신러닝 종류 🚀supervised learning - 지도 학습 데이터에 정답이 있는 경우에 정답을 예측하기 위해서 모델을 만들 때 사용합니다. 예를 들어 사진을 보고 개인지 고양이인지 구분하는 모델을 만들 때 사용하는 것입니다. 🚀unsupervised learning - 비지도 학습 데이터에 정답이 없는 경우에 사용합니다. 다양한 종류의 사진들이 있을 때 컴퓨터한테 비슷한 종류끼리 분류해보라고 하는 것입니다. 🚀reinforcement..

AI/딥러닝 2022.08.04

[neuron] 용어 & 함수 정리

🚀 .NetCon() NetCon은 소스와 대상 간의 시냅스 연결을 정의해주는 객체입니다. 시냅스 가중치(weight)값과 지연(delay)값을 설정하여 사용할 수 있습니다. 여기서 시냅스 가중치는 한 뉴런이 탈분극 시 다른 뉴런에 미치는 영향의 양에 해당합니다. 두 노드간 연결 강도 또는 진폭을 나타냅니다. 지연값은 다음 뉴런으로 전달되는 속도입니다. 즉 시간값입니다. netcon = h.NetCon(source_ref_v, target, [threshold, delay, weight], sec=section) netcon = h.NetCon(source, target, [threshold, delay, weight]) 문법은 이렇습니다. 🚀 conductances conductances는 전도도 이다..

AI/neuron 개념 2022.07.28

[neuron][파이썬] 19. 뉴런 병렬 통신 - Parallel communication in NEURON

🙆‍♂️ 병렬 통신 NetCon으로 병렬 통신을 합니다. NetCon 소스들은 임계값 감지기 입니다. 막 전위 등 변수들을 모니터링하고 임계값에 도달하면 이벤트가 발동됩니다. like 시냅스? 시냅스전 뉴런 "PreCell"에 부착된 "NetCon"은 소스라고 표시된 위치에서 스파이크를 감지하고 시냅스 후 뉴런 "PostCell"에 부착된 시냅스 "타겟"에 이벤트를 전달합니다. gid=7인 시냅스 전 스파이크 소스 "PreCell"은 "호스트 2"에 있지만 대상은 "호스트 4"의 "PostCell"에 연결된 시냅스입니다. "PreCell"이 급증하면 소스가 "gid 7"인 "NetCons"가 이벤트를 대상에 전달할 수 있도록 메시지가 모든 호스트에 전달됩니다. 🙋‍♂️ 실습 시작 MPI라는 도구를 사용할..

AI/neuron 2022.07.28

[neuron][파이썬] 21. 깃헙 뉴런 튜토리얼 - Ball and Stick model

🙆‍♂️소개 파트 B에서는 다중 compartmental 뉴런을 구축하고 다양한 그래프를 활용하여 보여주는 실습을 합니다. 여기서 수상돌기와 같은 추가 섹션을 만들고 연결하는 방법과 데이터를 동적 그래프인 공간에 표시하는 방법을 알아봅니다. 🙋‍♂️모델 만들기 - Build Model 먼저 soma 모델과 dendrite 모델을 만듭니다. soma = h.Section(name="soma") soma.L = 10 # µm soma.diam = 10 # µm soma.Ra = 100 soma.insert('pas') soma.g_pas = 1/10000 # 1/Rm - Rm ohm*cm^2 dend = h.Section(name="dend") dend.L = 500 # µm dend.diam = 1 # µ..

AI/neuron 2022.07.27

[neuron][파이썬] 21. 깃헙 뉴런 튜토리얼 - Single compartment neuron model

🙆‍♂️소개 단일 모델을 구성해보겠습니다. from __future__ import division from neuron import h from neuron import gui import matplotlib.pyplot as plt import numpy as np 앞으로 이 부분은 항상 import 합니다. 🙋‍♂️모델 만들기 - create model 처음 할 일은 soma section을 만드는 것입니다. 뉴런의 형태를 만드는 것이죠. 그냥 원통과 같습니다. 축삭돌기와 수상돌기를 제거한 뉴런을 만드는 것입니다. # create model soma = h.Section(name='soma') soma.L = 10 # the length of the soma soma.diam = 10 # the d..

AI/neuron 2022.07.27

[neuron][파이썬] 18. 확장된 링 네트워크

🙆‍♂️ 일반 셀 클래스 작성 저번 게시물의 링 네트워크를 구성했던 것에서 유연한 변수를 사용하고 캡슐화를 사용하여 확장된 기능을 제공하는 링 네트워를 구성해보겠습니다. from neuron import h, gui from neuron.units import ms, mV h.load_file('stdrun.hoc') 사전 참조를 해주고 class Cell: def __init__(self, gid, x, y, z, theta): self._gid = gid self._setup_morphology() self.all = self.soma.wholetree() self._setup_biophysics() self.x = self.y = self.z = 0 h.define_shape() self._rota..

AI/neuron 2022.07.25

[neuron][파이썬] 17. 링 네트워크 시뮬레이션 실행 및 출력

🙆‍♂️ 세포 작동여부 확인 아직 자극은 주지 않았지만 만든 cell이 작동하는지 확인해보겠습니다. recording_cell = my_cells[0] soma_v = h.Vector().record(recording_cell.soma(0.5)._ref_v) dend_v = h.Vector().record(recording_cell.dend(0.5)._ref_v) t = h.Vector().record(h._ref_t) 기록하고 h.finitialize(-65) h.continuerun(25) 값 지정해주고 %matplotlib inline import matplotlib.pyplot as plt plt.plot(t, soma_v, label='soma(0.5)') plt.plot(t, dend_v, l..

AI/neuron 2022.07.22

[neuron][파이썬] 16. 링 네트워크 구성을 위한 초기 구성 - Initial configuration for build a ring network

🙆‍♂️ 일반 cell과 고유 cell class 나누기 from neuron import h, gui from neuron.units import ms, mV h.load_file('stdrun.hoc') 먼저 라이브러리들을 import 합니다. class Cell: def __init__(self, gid): self._gid = gid self._setup_morphology() self.all = self.soma.wholetree() self._setup_biophysics() def __repr__(self): return '{}[{}]'.format(self.name, self._gid) 일반 cell의 class는 이렇구 class BallAndStick(Cell): name = 'Ball..

AI/neuron 2022.07.22

[neuron][파이썬] 15. 여러 개 시뮬레이션2 - Run the simulations

🙆‍♂️ 전류 진폭의 역할 - Role of current amplitude(amp) 전류 진폭의 차이를 확인하기 위해서 for문을 통해 값과 색을 변경하여 그래프를 확인해보겠습니다. from bokeh.io import output_notebook import bokeh.plotting as plt output_notebook() f = plt.figure(x_axis_label='t (ms)', y_axis_label='v (mV)') amps = [0.075 * i for i in range(1, 5)] colors = ['green', 'blue', 'red', 'black'] for amp, color in zip(amps, colors): stim.amp = amp h.finitialize(-..

AI/neuron 2022.07.22
728x90
반응형