Implementacja modelu neuronu

Zadanie (10 punktów)

Zaimplementować w Pythonie, w grupach 3-osobowych, model neuronu przedstawiony na poprzednich zajęciach.

  • Należy utworzyć osobną klasę dla neuronu, i aktualizację stanu realizować poprzez wywoływanie odpowiednich metod w tym neuronie.
  • Stan neuronu w czasie należy zobrazować na wykresie (najlepiej użyć biblioteki matplotlib).
  • Należy przetestować różne parametry modelu.

Należy przygotować krótkie sprawozdanie, w którym opisany zostanie model oraz przedstawione wykresy dla różnych wag i kombinacji wejść neuronu, by pokazać np. jak neuron się aktywuje i produkuje spiki (1 pkt), albo co się dzieje, jeżeli natężenie z wejść nie jest wystarczająco silne (1 pkt). Warto przetestować wejścia zmieniające się w czasie z pewną częstotliwością, by symulować w ten sposób spiki neuronów, które przesyłają informację do tego symulowanego przez nas (1 pkt).

17.05: Obowiązkowe konsultacje (3 punkty): należy pokazać postęp z zadaniem. Powinna być już klasa neuronu z rozpisanym interfejsem, czyli szablonami funkcji (np. update), i jakiś fragment "merytorycznej" części.

07.06: Oddanie finalnej wersji projektu (7 punktów): należy przesłać kod projektu wraz ze sprawozdaniem na adres mailowy prowadzącego (lp.nanzop.tup.sc|kedalb.owi#lp.nanzop.tup.sc|kedalb.owi).

Uwaga: termin oddawania sprawozdań i kodu w Pythonie zostaje przesunięty do końca tygodnia, czyli północy z 10/11 czerwca.

© Iwo Błądek, Maciej Komosiński, Konrad Miazga