Changeset 2368

Show
Ignore:
Timestamp:
01/06/11 14:00:07 (2 years ago)
Author:
crossant
Message:
 
Location:
trunk
Files:
3 modified

Legend:

Unmodified
Added
Removed

  • trunk/brian/library/modelfitting/modelfitting03.py

    r2367 r2368  
    143143    def evaluate(self, **param_values): 
    144144        """ 
    145         Use fitparams['_delays'] to take delays into account 
     145        Use fitparams['delays'] to take delays into account 
    146146        """ 
    147         if '_delays' in param_values.keys(): 
    148             delays = param_values['_delays'] 
    149             del param_values['_delays'] 
     147        if 'delays' in param_values.keys(): 
     148            delays = param_values['delays'] 
     149            del param_values['delays'] 
    150150        else: 
    151151            delays = zeros(self.neurons) 
    … …  
    266266        If not using boundaries, set ``param_name=[min, max]``. 
    267267        Also, you can add a fit parameter which is a spike delay for all spikes : 
    268         add the special parameter ``_delays`` in ``**params``. 
     268        add the special parameter ``delays`` in ``**params``. 
    269269    ``particles`` 
    270270        Number of particles per target train used by the particle swarm optimization algorithm. 
    … …  
    413413    group.set_var_by_array(input_var, TimedArray(input, clock=group.clock)) 
    414414    for param, values in params.iteritems(): 
    415         if (param == '_delays') | (param == 'fitness'): 
     415        if (param == 'delays') | (param == 'fitness'): 
    416416            continue 
    417417        group.state(param)[:] = values 

  • trunk/examples/modelfitting/modelfitting.py

    r2367 r2368  
    1717    spikes = loadtxt('spikes.txt') 
    1818     
    19     results = modelfitting(model=equations, reset=0, threshold=1, 
    20                                  data=spikes, 
    21                                  input=input, dt=.1 * ms, 
    22                                  popsize=1000, maxiter=1, delta=4 * ms, 
    23                                  cpu=1, 
    24 #                                 scheme=rk2_scheme, # can use euler_scheme, exp_euler_scheme (for HH), or rk2_scheme 
    25                                  R_initrange=[1.0e9, 9.0e9], 
    26                                  tau_initrange=[10 * ms, 40 * ms]) 
     19    results = modelfitting( model = equations, 
     20                            reset = 0, 
     21                            threshold = 1, 
     22                            data = spikes, 
     23                            input = input, 
     24                            dt = .1*ms, 
     25                            popsize = 2000, 
     26                            maxiter = 3, 
     27                            delta = 2*ms, 
     28                            cpu = 1, 
     29                            R = [1.0e9, 9.0e9], 
     30                            tau = [10*ms, 40*ms]) 
    2731 
    2832    print_table(results) 

  • trunk/examples/modelfitting/modelfitting2.py

    r2156 r2368  
    55if __name__ == '__main__': 
    66    from brian import * 
    7     from modelfitting import * 
     7    from brian.library.modelfitting import * 
    88 
    99    model = ''' 
    … …  
    2020    spikes = [] 
    2121    for i in xrange(2): 
    22         spikes.extend([(i, spike * second + 5 * i * ms) for spike in spikes0]) 
     22        spikes.extend([(i, spike*second + 5*i* ms) for spike in spikes0]) 
    2323 
    24     results = modelfitting(model=model, reset=reset, threshold=threshold, 
    25                             data=spikes, 
    26                             input=input, dt=.1 * ms, 
    27                             max_cpu=4, use_gpu=True, max_gpu=1, 
    28                             particles=1000, iterations=3, delta=2 * ms, 
    29                             R=[1.0e9, 8.0e9], 
    30                             tau=[10 * ms, 40 * ms], 
    31                             _delays=[-10 * ms, 10 * ms]) 
    32     print_results(results) 
     24    result = modelfitting(model = model, 
     25                           reset = reset, 
     26                           threshold = threshold, 
     27                           data = spikes, 
     28                           input = input, 
     29                           dt = .1*ms, 
     30                           cpu = 1, 
     31                           popsize = 1000, 
     32                           maxiter = 3, 
     33                           delta = 2*ms, 
     34                           R = [1.0e9, 8.0e9], 
     35                           tau = [10*ms, 40*ms], 
     36                           delays = [-10*ms, 10*ms]) 
     37    print_table(result) 
    3338