CANNs 文档

欢迎使用 CANNs！

CANNs（连续吸引子神经网络工具包）是一个基于 BrainPy 构建的 Python 库，BrainPy 是强大的脑动力学编程框架。本工具包简化了连续吸引子神经网络和相关脑启发模型的实验流程。它提供即用型模型、任务生成器、分析工具和流水线——让神经科学和 AI 研究人员能够快速从想法转化为可复现的仿真。

可视化展示

1D CANN 平滑追踪

平滑追踪过程中的实时动力学

2D CANN 群体编码

空间信息编码模式

🔬 Theta 扫描分析

网格细胞和方向细胞网络中的 theta 节律调制

活动波包分析

1D 活动波包拟合和分析

环面拓扑分析

3D 环面可视化和解码

快速开始

安装 CANNs：

# 使用 uv（推荐，安装更快）
uv pip install canns

# 或用 pip
pip install canns

# 若需 GPU 支持
pip install canns[cuda12]
pip install canns[cuda13]

文档导航

简介

• 为什么选择 CANNs?

快速入门指南

• 快速入门
  • 安装指南
  • 如何构建 CANN 模型？
  • 如何生成任务数据？
  • 如何分析 CANN 模型？
  • 如何分析实验数据？
  • 如何训练脑启发模型？
  • 概述

核心概念

• 核心概念
  • 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

详细教程

• 详细教程
  • 概述
  • 场景
  • 场景描述
  • 学习路径
  • 前置条件
  • 时间承诺
  • 快速开始
  • 运行教程
  • 支持与反馈
  • 贡献
  • 后续步骤

资源

• 参考文献
• GitHub 仓库
• GitHub Issues
• 讨论区

语言: English | 中文

社区和支持

• GitHub 仓库: https://github.com/routhleck/canns

• 问题追踪: https://github.com/routhleck/canns/issues

• 讨论区: https://github.com/routhleck/canns/discussions

• 文档: https://canns.readthedocs.io/

贡献

欢迎贡献！请查看我们的 贡献指南。

引用

如果您在研究中使用了 CANNs，请引用：

@software{he_2025_canns,
   author       = {He, Sichao},
   title        = {CANNs: Continuous Attractor Neural Networks Toolkit},
   year         = 2025,
   publisher    = {Zenodo},
   version      = {v0.9.0},
   doi          = {10.5281/zenodo.17412545},
   url          = {https://github.com/Routhleck/canns}
}