📄 Código de memoria ⭐
Los datos utilizados contienen las matrices de tiempos de disparo de 4 retinas bajo 6 condiciones distintas.
| Índice | Código | Detalle |
|---|---|---|
| 0 | issa | Oscuridad Inicial |
| 1 | ifsa | Luz Inicial |
| 2 | wn | White Noise |
| 3 | nm | Natural Movie |
| 4 | ffsa | Luz Final |
| 5 | fssa | Oscuridad Final |
Esta matriz de tiempos de disparo es binarizada en base a un tiempo de intervalo entre los 1[ms] a 10[ms].
Para obtener una matriz con los estados binarizados de disparo de cada neurona en el tiempo.
- Code - Códigos en python
- External - Librerías externas (JITD)
- MatlabIsing - Implementación de Ferrari MaxEnt (Matlab)
- {-|mi|r}{Models|Rasters}
- _ - Selección aleatoria por cada número de neuronas
- mi - Selección en base a ranking de MI
- r - Selección en base a coeficiente R^2
- PyIsing - Impementación de Herzog de MaxEnt (Python)
- Data - Datos guardados
- Graphs - Grafos generados
- PreComputed - Medidas pre-computadas para cargar
- AIS - Active Information Storage
- H - Entropy
- MI - Mutual Information
- TE - Transfer Entropy
- Sparse - Guardado de matrices Numpy-Sparse
- Documents - Documentación del trabajo
Los archivos creados tienen la siguiente estructura:
E<experimento>_C<condicion>_T<binT>.npy
Donde la ubicación del archivo determina su contenido.
- Se debe colocar el archivo de rasters en la carpeta Data spktimes_4_exps_6_conds.mat para la generación en caliente de los datos pre-computados
- Python 3.5+ para la ejecución del código
- Jupyter para la visualización de los ipython notebook
- Typora para la visualización de los archivos .md
- Gephi para la visualización de los grafos
- JITD, incluído en el repositorio (cálculo de métricas de TI)