核心概念

深入探讨库的设计、架构和理论基础。

本节解释 CANNs 库的设计原则、模块组织和概念基础。这些文档侧重于”为什么”和”何时”而非”如何”——帮助您理解库的架构并就使用组件做出明智决策。

主题:

• 设计哲学与架构概览
• 模型集合
• 任务生成器
• 分析方法
• 脑启发训练

概述

设计哲学与架构概览

理解库的架构、核心设计原则和四个应用场景。了解关注点分离、可扩展性、BrainPy 集成和性能策略。

模型集合

探索三个模型类别：基础 CANN 模型、具有学习机制的脑启发模型，以及结合 CANNs 与 ANNs 的混合模型。理解 BrainPy 基础及如何实现自定义模型。

任务生成器

任务生成理念和可用范式。了解追踪任务（群体编码、模板匹配、平滑追踪）和导航任务（闭环、开环）。理解模型-任务耦合和设计考虑。

分析方法

综合分析工具：用于仿真的模型分析器、用于实验记录的数据分析器、用于不动点的 RNN 动力学分析，以及用于几何结构的拓扑数据分析。

脑启发训练

脑启发学习机制和 Trainer 框架。了解活动依赖可塑性、学习规则（Hebbian、STDP、BCM），以及如何实现生物学合理的自定义训练器。