菜单
Plastic Arbor突触可塑性模拟框架。从单个突触到形态神经元网络的可定制模拟，支持CPU/GPU高性能计算。适用于突触可塑性研究、神经网络模拟、形态学神经元建模。触发词：突触可塑性、Arbor、神经元模拟、形态学、synaptic plasticity、morphological neuron、simulation framework。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/hiyenwong/ai_collection --skill plastic-arbor-simulation命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
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.
基于 SOC 职业分类
正在显示 SKILL.md
| name | plastic-arbor-simulation |
| description | Plastic Arbor突触可塑性模拟框架。从单个突触到形态神经元网络的可定制模拟，支持CPU/GPU高性能计算。适用于突触可塑性研究、神经网络模拟、形态学神经元建模。触发词：突触可塑性、Arbor、神经元模拟、形态学、synaptic plasticity、morphological neuron、simulation framework。 |
| user-invocable | true |
支持从单个突触到形态神经元网络的可定制突触可塑性模拟，结合高性能计算。
来源： arXiv:2411.16445 效用： 0.98
import numpy as np
class PlasticArbor:
def __init__(self, n_neurons=100):
self.n = n_neurons
self.V = np.zeros(n_neurons)
self.W = np.random.rand(n_neurons, n_neurons) * 0.1
def step(self, I, dt=0.1):
# LIF动力学
dV = (-self.V + I) / 20.0
self.V += dV * dt
# 发放
spikes = self.V > 1.0
self.V[spikes] = 0.0
# STDP可塑性
self._stdp_update(spikes)
return spikes
def _stdp_update(self, spikes):
pre = spikes.astype(float)
post = spikes.astype(float)
self.W += 0.01 * np.outer(post, pre)
模拟学习过程中的突触权重变化。