On a framework of data assimilation for hyperparameter estimation of spiking neuronal networks
7Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- On a framework of data assimilation for hyperparameter estimation of spiking neuronal networks
- Date Crossref
- 01/03/2024
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Fudan University Institute of Science and Technology for Brain-Inspired Intelligence pays non établi dans la noticeUniversité ou école supérieure
-
Shanghai Center for Brain Science and Brain-Inspired Technology pays non établi dans la noticeStructure de recherche
-
School of Mathematical Sciences pays non établi dans la noticeUniversité ou école supérieure
-
Fudan ISTBI-ZJNU Algorithm Centre for Brain-Inspired Intelligence pays non établi dans la noticeInstitution
-
Key Laboratory of Mathematics for Nonlinear Science pays non établi dans la noticeStructure de recherche
-
Shanghai Center for Mathematical Sciences pays non établi dans la noticeInstitution
-
Shanghai Key Laboratory for Contemporary Applied Mathematics pays non établi dans la noticeStructure de recherche
Institute of Science and Technology for Brain-Inspired Intelligence — Fudan University, Shanghai Center for Brain Science and Brain-Inspired Technology et School of Mathematical Sciences, avec 4 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Neural dynamics and brain functionNeural Networks and ApplicationsAdvanced Memory and Neural Computing