用于验证测试突触网络的SciUnit库。
项目描述
一个SciUnit库，用于验证测试突触网络。
安装
pip install networkunit概念
网络单元模块建立在SciUnit包的正式验证方案之上，该方案通过测试实现对模型与实验数据（或其他模型）的验证。一个测试通过能力与模型匹配，并通过分数进行定量评估。以下图展示了网络单元中的典型测试设计。蓝色框表示验证测试实现组件，即类、类实例、数据集和参数。框之间的关系由标注的箭头表示。基本功能由绿色箭头表示。黄色和红色箭头分别表示用于与实验数据进行比较（验证）和与其他模拟（证实）的测试设计差异。一些组件的相关功能通过伪代码表示，用于计算测试分数。能力类ProducesProperty包含函数calc_property()。测试XYTest有一个函数generate_prediction()，它利用模型类继承的这个能力来生成模型预测。初始化后的测试实例XYTest_paramZ使用其judge()函数来评估这个模型预测并计算分数TestScore。XYTest可以继承多个抽象测试类（BaseTest），例如与M2MTest一起使用，以添加评估多个模型类的能力。为了使测试可执行，它必须与一个ScoreType相关联，并且所有自由参数都需要通过一个Params字典设置，以确保可重现的结果。
如何使用网络单元的示例可以在此存储库中找到，并且可以通过顶部的启动-binder按钮访问交互式reveal.js幻灯片。
测试概述
类名 |
父类 |
预测度量 |
|---|---|---|
two_sample_test |
- |
- |
firing_rate_test |
two_sample_test |
放电率 |
isi_variation_test |
two_sample_test |
互脉冲间隔，它们的CV，CV2，LV或LVR |
covariance_test |
two_sample_test |
协方差 |
correlation_test |
two_sample_test |
- |
correlation_dist_test |
correlation_test |
相关系数 |
correlation_matrix_test |
correlation_test |
相关系数矩阵 |
avg_std_correlation_test |
correlation_test |
相关系数的平均或标准值 |
generalized_correlation_matrix_test |
correlation_matrix_test |
导出的互相关度量矩阵 |
eigenvalue_test |
correlation_test |
相关系数矩阵的特征值 |
power_spectrum_test |
two_sample_test |
功率谱密度值 |
freqband_power_test |
power_spectrum_test |
频带内的功率谱密度值 |
timescale_test |
two_sample_test |
脉冲串时间尺度 |
graph_centrality_helperclass |
sciunit.Test |
给定邻接矩阵的图中心度度量 |
joint_test |
two_sample_test |
将其他测试类联合起来进行多变量评估 |
派生测试类在多重继承中的继承顺序
class new_test(sciunit.TestM2M, graph_centrality_helperclass, <base_test_class>)分数概述
类名 |
测试名称 |
比较度量 |
|---|---|---|
students_t |
Student’t test |
样本均值 |
ks_distance |
Kolmogorov-Smirnov test |
样本分布 |
kl_divergence |
Kullback-Leibler divergence |
sample entropy |
mwu_statistic |
Mann-Whitney U test |
rank sum |
levene_score |
Levene’s test |
样本方差 |
effect_size |
效应大小 |
标准化均值 |
best_effect_size |
贝叶斯估计效应大小 |
标准化均值 |
wasserstein_distance |
Wasserstein Distance |
多变量分数距离 |
eigenangle |
Eigenangle Test |
eigenangle similarity |
模型类概述
模型名称 |
能力 |
父类 |
目的 |
|---|---|---|---|
loaded_spiketrains |
产生SpikeTrains |
sciunit.RunnableModel |
加载模拟的尖峰数据 |
随机活动 |
产生SpikeTrains |
sciunit.RunnableModel |
生成随机尖峰数据 |
nest_simulation |
产生SpikeTrains |
sciunit.RunnableModel |
NEST模型的模板 |
其他验证测试仓库
致谢
本开源软件代码部分或全部在人类大脑项目中开发，该项目由欧盟“地平线2020”研究与创新框架计划资助，具体协议号分别为No. 720270，No. 785907和No. 945539（人类大脑项目SGA1，SGA2和SGA3）。
下载文件
下载适合您平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。
源代码分发
构建分发
networkunit-0.2.2.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | f0ada132cd73078a5ea6ddb60e2c642e6d59355cd90fbdd57cb233116f58f929 |
|
| MD5 | 43119a192b3f87731956e6ebc869e6a5 |
|
| BLAKE2b-256 | 4d717f9b5480d2338c2b639dd7a4a54a9abd7f4f3c7f17cb7b57ebaed287aab2 |
networkunit-0.2.2-py3-none-any.whl的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | ca24428cb64d4b83102f0bd0b29ec2477246fb833782f4b441837bea486c83e3 |
|
| MD5 | f0aa9393d6bcc786228a19f970795690 |
|
| BLAKE2b-256 | 0f02d866a71236226b3821709691dc2ef0791cb283c2347130ba0aba01033f48 |
