# Neunet

**Repository Path**: hujiyo/neunet

## Basic Information

- **Project Name**: Neunet
- **Description**: Neunet 是一个用 C++ 编写的小型神经元对象模拟库，参考了真实生物神经元的基本行为原理。目前实现了三种神经元类型（兴奋性、抑制性、调制性）的类及其主要方法，便于理解和实验神经元的基本机制，主要用于建立数字化神经元集群或者科学研究。
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-05-31
- **Last Updated**: 2025-05-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Neunet

Neunet 是一个用 C++ 编写的小型神经元对象模拟库，参考了真实生物神经元的基本行为原理。目前实现了三种神经元类型（兴奋性、抑制性、调制性）的类及其主要方法，便于理解和实验神经元的基本机制。主要用于建立数字化神经元集群或者科学研究。

## 特性简介

- **全局步（global step）**：所有神经元共享统一的仿真步数，便于实现时序相关机制（如 STDP）。
- **三种神经元类型**：支持兴奋性（Excitatory）、抑制性（Inhibitory）、调制性（Modulatory）神经元对象。
- **空间分布与空间连接**：神经元对象具有三维空间坐标，连接建立受空间距离和概率影响。
- **动作电位后的不应期**：神经元激活后有不应期（refractory period），在此期间无法再次激活。
- **激活值自然衰减**：每步神经元的激活水平会自动衰减，模拟生物神经元膜电位的自然恢复。
- **突触权重可塑性（STDP）**：兴奋性神经元支持基于时序的突触权重调整，模拟生物突触可塑性。
- **突触修剪**：权重低于阈值的连接会被自动移除，模拟神经网络的自我优化。
- **调制信号机制**：调制性神经元可发出奖励、注意力、警报等信号，影响目标神经元的敏感性和学习速率。
- **参数可调**：可通过宏定义调整神经元行为参数。
- **历史记录**：神经元保存激活和输入历史，便于实现时序相关机制和统计分析。

## 主要参数

| 参数名                | 说明                   | 默认值   |
|----------------------|------------------------|----------|
| LEARNING_RATE        | 学习率                 | 0.01     |
| STDP_WINDOW          | STDP 时间窗口          | 20       |
| MAX_WEIGHT/MIN_WEIGHT| 权重上下限             | 1.0/0.0  |
| CONNECTION_RADIUS    | 连接半径               | 50.0     |
| CONNECTION_PROBABILITY| 连接概率              | 0.3      |
| MAX_CONNECTIONS      | 最大连接数             | 50       |
| ACTIVATION_THRESHOLD | 兴奋性激活阈值         | 10.0     |
| INHIBITORY_THRESHOLD | 抑制性激活阈值         | 8.0      |
| MODULATORY_THRESHOLD | 调制性激活阈值         | 15.0     |
| MODULATORY_RANGE     | 调制性影响半径         | 80.0     |
| HISTORY_LENGTH       | 历史长度               | 100      |
| PRUNE_THRESHOLD      | 修剪阈值               | 0.05     |
| REORGANIZE_INTERVAL  | 重组间隔               | 50       |
| REFRACTORY_STEPS     | 不应期步数             | 3        |
| DECAY_RATE           | 激活值衰减率           | 0.9      |

## 代码结构简介

- **SimpleNeuron**：核心神经元类，支持三种类型，包含激活、输入、连接、权重调整等方法。
- **Connection**：突触连接结构，包含目标神经元指针和权重等信息。
- **SimpleNeuralNetwork**：简单神经元集合和仿真管理类，支持批量创建、连接、仿真推进和状态输出。
- **main()**：演示如何初始化网络、推进仿真和输出状态。

## 输出示例

```
=== 神经网络状态 (步数: 100) ===
兴奋性神经元1: 激活=0, 连接=12, 权重=0.32, 近期激活=3
抑制性神经元2: 激活=0, 连接=8, 权重=0.28, 近期激活=2
...
网络统计: 平均连接=10.5, 总激活=25, 平均权重=0.30
神经元类型: 兴奋性=14, 抑制性=4, 调制性=2
```

## 许可证

MIT License