القائمة
脉冲神经元生物学合理性自动化评估框架，系统化评估人工脉冲神经元与生物神经元的相似度，提供量化指标和可解释分析
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/hiyenwong/ai_collection --skill spiking-neuron-biological-plausibility-assessmentيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
Graph-native Python reimplementation of the Information Dynamics of Music (IDyOM) model that represents predictive memories as explicit graph objects for musical expectation modeling and network analysis.
Physics-aware end-to-end deep reinforcement learning methodology for quadcopter control with actuator dynamics modeling.
Reinforced Dreamer methodology for asymmetric reinforcement learning using latent guidance to improve world model representations and behaviors in model-based RL.
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | spiking-neuron-biological-plausibility-assessment |
| description | 脉冲神经元生物学合理性自动化评估框架，系统化评估人工脉冲神经元与生物神经元的相似度，提供量化指标和可解释分析 |
| version | 1.0.0 |
| category | neuroscience |
| tags | ["spiking-neuron","biological-plausibility","SNN","neuron-model","interpretability","automation"] |
| arxiv | 2606.17853 |
| activation_words | ["生物学合理性","脉冲神经元","SNN评估","神经元模型","可解释性","LIF模型","Izhikevich","Hodgkin-Huxley"] |
系统化自动化评估脉冲神经元生物学合理性 - 提供量化指标和可解释分析，评估人工脉冲神经元模型与生物神经元的行为相似度。
class BiologicalPlausibilityAssessment:
def __init__(self):
self.criteria = {
'electrophysiology': ElectrophysiologyMetrics(),
'morphology': MorphologyMetrics(),
'dynamics': DynamicalBehaviorMetrics(),
'plasticity': SynapticPlasticityMetrics()
}
def assess(self, neuron_model):
scores = {}
for criterion, evaluator in self.criteria.items():
scores[criterion] = evaluator.evaluate(neuron_model)
overall_score = self.aggregate(scores)
explanations = self.explain(scores)
return {
'overall_plausibility': overall_score,
'detailed_scores': scores,
'explanations': explanations
}
| Model | Biological Features | Plausibility Score |
|---|---|---|
| LIF (Leaky Integrate-and-Fire) | 基本脉冲机制 | Medium-Low |
| Izhikevich | 多种脉冲模式 | High |
| AdEx (Adaptive Exponential) | 自适应机制 | Medium-High |
| Hodgkin-Huxley | 生物通道动力学 | Very High |
权衡定律: 生物学合理性↑ → 计算效率↓