Этот вопрос, вероятно, очень прост, но для жизни меня я не могу понять. В принципе, у меня есть нейрон, напряжение которого я моделирую, но у меня есть случайное получение входных импульсов из других нейронов. Поэтому мой друг помог создать функцию, которая по существу имеет некоторые возбуждающие нейроны, обеспечивающие случайный скачок Пуассона, который увеличивает напряжение в случайном порядке, а некоторые ингибирующие нейроны обеспечивают нисходящие спайки, понижающие напряжение. Я включил код ниже. В основном, шаг, который я пытаюсь понять, как это сделать, - как заставить I_syn термин в итеративном шаге работать. Я обычно думаю, просто написать I_syn[i-1]
, но это дает мне ошибку:Включение функции в интеграцию ODE
'function' object has no attribute '__getitem__'.
Так что я уверен, что этот вопрос очень прост, но это проблема, которую я не знаю, как преодолеть. Как получить эту программу для правильной итерации I_syn
, поэтому я могу выполнить базовую итеративную схему ODE, включая функцию, определенную ранее в коде? Это важно, потому что в ближайшем будущем у меня, скорее всего, будут более сложные уравнения нейронов, поэтому было бы намного лучше написать функции заранее, а затем вызвать их на шаг итерации по мере необходимости. Спасибо!
from numpy import *
from pylab import *
## setup parameters and state variables
T = 50 # total time to simulate (msec)
dt = 0.125 # simulation time step (msec)
time = arange(0, T+dt, dt) # time array
t_rest = 0 # initial refractory time
## LIF properties
Vm = zeros(len(time)) # potential (V) trace over time
Rm = 1 # resistance (kOhm)
Cm = 10 # capacitance (uF)
tau_m = Rm*Cm # time constant (msec)
tau_ref = 4 # refractory period (msec)
Vth = 1 # spike threshold (V)
V_spike = 0.5 # spike delta (V)
## Stimulus
I = 1.5 # input current (A)
N = 1000
N_ex = 0.8*N #(0..79)
N_in = 0.2*N #(80..99)
G_ex = 0.1
K = 4
def I_syn(spks, t):
"""
Synaptic current
spks = [[synid, t],]
"""
if len(spks) == 0:
return 0
exspk = spks[spks[:,0]<N_ex] # Check for all excitatory spikes
delta_k = exspk[:,1] == t # Delta function
if np.any(delta_k) > 0:
h_k = np.random.rand(len(delta_k)) < 0.90 # probability of successful transmission
else:
h_k = 0
inspk = spks[spks[:,0] >= N_ex] #Check remaining neurons for inhibitory spikes
delta_m = inspk[:,1] == t #Delta function for inhibitory neurons
if np.any(delta_m) > 0:
h_m = np.random.rand(len(delta_m)) < 0.90
else:
h_m = 0
isyn = C_m*G_ex*(np.sum(h_k*delta_k) - K*np.sum(h_m*delta_m))
return isyn
## iterate over each time step
for i, t in enumerate(time):
if t > t_rest:
Vm[i] = Vm[i-1] + (-Vm[i-1] + I_syn*Rm)/tau_m * dt
if Vm[i] >= Vth:
Vm[i] += V_spike
t_rest = t + tau_ref
## plot membrane potential trace
plot(time, Vm)
title('Leaky Integrate-and-Fire Example')
ylabel('Membrane Potential (V)')
xlabel('Time (msec)')
ylim([0,2])
show()
Итак, я попробовал I_syn (spks, t) [i-1] и получил ошибку, что spks не определен. Я попытался использовать I_syn (t) [i-1], и я получаю: «I_syn() принимает ровно 2 аргумента (1 данный)». Я предполагаю, что лучшим вариантом является определение «spks», но я не уверен, как я должен это сделать должным образом для этой проблемы. – Brenton
Кажется, вам нужно сначала понять основы. Когда вы передаете 'spks' в функции, он определен где-то уже или нет? Я думаю, это не так, и именно поэтому вы получаете эту ошибку. Сначала определите 'spks', как и ожидает функция. И затем вызовите функцию с ней в аргументы. – AKS
Итак, я думаю, что понимаю, что вы говорите, но я не уверен, что функция ожидает spks, поскольку я предполагаю, что она действует как параметр в основном. Таким образом, spks должен быть в основном списком 1000 нейронов заранее и временем, когда они срабатывают (я считаю, что это так написано), но я не уверен, как определить, что вне функции (Извините, я реальный новичок в этом) – Brenton