论文标题
当前在MIND中实施的模型
Models Currently Implemented in MIIND
论文作者
论文摘要
这是一个活着的文档，可以在适当的时候进行更新。 Miind [1，2]是人群级的神经模拟器。它基于人口密度技术，就像DIPDE [3]一样。与DIPDE相反，MIND对其种群中使用的潜在神经元模型不可知，因此可以以最小的努力来建立任何1、2或3维模型。然后，可以将所得的人群分组到大型网络中，例如Potjans-Diesmann模型[4]。 MIIND网站http://miind.sf.net包含培训材料，并通过使用虚拟机，Docker映像或直接从源代码来帮助设置MIIND。
This is a living document that will be updated when appropriate. MIIND [1, 2] is a population-level neural simulator. It is based on population density techniques, just like DIPDE [3]. Contrary to DIPDE, MIIND is agnostic to the underlying neuron model used in its populations so any 1, 2 or 3 dimensional model can be set up with minimal effort. The resulting populations can then be grouped into large networks, e.g. the Potjans-Diesmann model [4]. The MIIND website http://miind.sf.net contains training materials, and helps to set up MIIND, either by using virtual machines, a DOCKER image, or directly from source code.
