SNN初探二---神经元模型

本文主要介绍SNN的神经元模型Leaky Intergrate and Fired Model

SNN与ANN最主要的不同就是使用离散的脉冲信号替代ANN网络中传播的连续的模拟信号。为了在这种网络结构上产生脉冲信号，SNN使用了更加复杂也更加贴近于生物的神经元模型，目前使用最多的是 Leakyintegrity-Fire（LIF） 模型。 对于这类神经元模型来说，输入信号直接影响的是神经元的状态（膜电位），只有当膜电位上升到阈值电位时，才会产生输出脉冲信号。

该模型利用给定神经元的神经元动作电位总是具有大致相同的形式这一事实。如果动作电位的形状总是相同的，那么这个形状就不能用来传递信息：而是包含在有或没有尖峰的情况下。因此，动作电位被还原为发生在精确时刻的“事件”。

Leaky Integrate and Fire neurons简称LIF模型，是一种对HH模型的最基础的简化。但不是单纯的省略变量。该模型不去刻意的描述动作电位的形状。为了得到瞬时电压与输入电流的关系，使用电学理论的基本理论来解释该问题。一个神经元被细胞膜包围，细胞膜是很好的绝缘体。如果想神经元注射电流，那么附加的电荷

必须到达一个地方：它会给细胞膜充电。因此，细胞膜就像一个电容器。因为绝缘体不完美，所以随着时间的推移，电荷会慢慢地从细胞膜漏出，因此细胞膜可以用有限的泄露电阻表示。基本的表示LIF模型的电回路由电容C CC和一个由I II驱动的电阻R RR并联而成。

jointly learning network connections and link weights in spiking neural networks

程序开发报表，涉及到语义模型编写，自由报表编写

1.语义模型

后台编写接口，用于组装sql

nc.pub.smart.context.SmartContext context = getContext()

        String sql = nc.bs.framework.common.NCLocator.getInstance()

                                                    .lookup(nc.itf.ipmrm.report.equity.IEquityInvestmentReport.class)

                                                    .queryEquityInvestment(context)

        setResultSQL(sql)

2.语义模型接口编写

3.实现类编写

4.配置接口文件

5.接口实现类需要返回sql，语义模型使用返回的sql查询数据并展示出来。所以我们可以在实现类中编写临时表等复杂 *** 作，组装好数据，后面使用简单的sql查询出报表的内容并展示。

6.实现类获取前端设置的参数

ConditionVO[] convos = null

if(context.getAttribute("freereport_querycondition_innode") != null) {

//获取查询条件

convos = (ConditionVO[]) ((BaseQueryCondition)context.getAttribute("freereport_querycondition_innode")).getUserContext().get("freereport_querycondition_vos")

}

if(convos == null) {

SimpleDateFormat sdf = new SimpleDateFormat("YYYY-MM-DD HH:mm:ss")

param_begin = sdf.format(new Date())

param_end = sdf.format(new Date())

}else {

for(int i = 0i <convos.lengthi++) {

String fieldCode = convos[i].getFieldCode()

if("paramdate".equals(fieldCode)) {

param_begin = convos[i].getValue().split(",")[0]

param_end = convos[i].getValue().split(",")[1]

}

}

}

前提是语义模型设置参数，自由报表也要设置参数，如下图

答：4种。（或者说是两种，因为JDOM和DOM4J是DOM的两个特殊情况）

1.SAX解析

解析方式是事件驱动机制！

SAX解析器，逐行读取XML文件解析，每当解析到一个标签的开始/结束/内容/属性时，触发事件。

可以在这些事件发生时，编写程序进行相应的处理。

优点：

分析能够立即开始，而不是等待所有的数据被处理。

逐行加载，节省内存，有助于解析大于系统内存的文档。

有时不必解析整个文档，它可以在某个条件得到满足时停止解析。

缺点：

1.单向解析，无法定位文档层次，无法同时访问同一个文档的不同部分数据（因为逐行解析，当解析第n行时，第n-1行）已经被释放了，无法再对其进行 *** 作）。

2. 无法得知事件发生时元素的层次, 只能自己维护节点的父/子关系。

3. 只读解析方式, 无法修改XML文档的内容。

2. DOM解析

是用与平台和语言无关的方式表示XML文档的官方W3C标准，分析该结构通常需要加载整个 文档和内存中建立文档树模型。程序员可以通过 *** 作文档树, 来完成数据的获取 修改 删除等。

优点:

文档在内存中加载, 允许对数据和结构做出更改。访问是双向的，可以在任何时候在树中双向解析数据。

缺点:

文档全部加载在内存中 , 消耗资源大。

3. JDOM解析

目的是成为Java特定文档模型，它简化与XML的交互并且比使用DOM实现更快。由于是第一 个Java特定模型，JDOM一直得到大力推广和促进。

JDOM文档声明其目的是“使用20%（或更少）的精力解决80%（或更多）Java/XML问题” （根据学习曲线假定为20%）

优点:

使用具体类而不是接口，简化了DOM的API。

大量使用了Java集合类，方便了Java开发人员。

缺点:

没有较好的灵活性。

性能不是那么优异。

4. DOM4J解析

它是JDOM的一种智能分支。它合并了许多超出基本XML文档表示的功能，包括集成的XPath 支持、XML Schema支持以及用于大文档或流化文档的基于事件的处理。它还提供了构建文档表示的选项， DOM4J是一个非常优秀的Java XML API，具有性能优异、功能强大和极端易用使用的特点，同时它也是一 个开放源代码的软件。如今你可以看到越来越多的Java软件都在使用DOM4J来读写XML。

目前许多开源项目中大量采用DOM4J , 例如:Hibernate。

---