数据集概述
本数据集是论文“Low-resolution descriptions of model neural activity reveal hidden features and underlying system properties”的支撑数据，包含Hopfield模型的模拟数据、Excogito分析结果及N=10 Hopfield模型的分析结果三大类压缩文件，覆盖模型记忆模式、突触矩阵、动力学配置及映射分析等核心内容。
文件详解
- 压缩文件：
Hopfield_Simulations.zip
- 文件夹：
Patterns
- 文件格式：CSV
- 内容：Hopfield模型记忆的所有模式列表
- 文件夹：
Synaptic_matrix
- 文件格式：CSV
- 内容：Hopfield模型的所有突触矩阵
- 文件夹：
Configurations
- 文件格式：CSV
- 内容：Hopfield模型的所有动力学过程数据
- 文件夹：
at_clust
- 文件格式：CSV
- 内容：动力学过程中访问的所有配置及其频率
- 压缩文件：
Excogito_Results.zip
- 文件夹：
N[...]_p[...]_[...]
- 内容：特定N（神经元数量）和p参数的Hopfield模型分析数据
- 子文件夹：
files_dat
- 文件：
mappings_Smin.csv
- 格式：CSV
- 内容：Excogito找到的最小S_map映射列表
- 文件：
parameters_hopfield_test_OnDemand.dat
- 格式：DAT
- 内容：pymap_ondemand程序的参数配置
- 文件：
results_pymap_ondemand.csv
- 格式：CSV
- 内容：包含分辨率（hs）、相关性（hk）、映射熵的最小S_map映射列表
- 压缩文件：
N10_Results.zip
- 文件：
results_N[...]_p[...]_[...].csv
- 格式：CSV
- 内容：特定N和p参数的Hopfield模型所有可能映射列表，含N（映射神经元数）、mapping（映射神经元）、trans_mapping（转换映射神经元）、hs（分辨率）、hk（相关性）、smap（映射熵）、smap_inf（无限采样映射熵）
数据来源
论文“Low-resolution descriptions of model neural activity reveal hidden features and underlying system properties”
适用场景
- 神经网络模型研究：分析Hopfield模型的记忆模式、突触矩阵及动力学特性
- 神经活动低分辨率描述研究：利用Excogito分析结果探索低分辨率描述下的隐藏特征
- 映射熵分析：通过smap等指标研究神经网络的信息编码与处理机制
- 模型参数优化：基于不同N和p参数的分析结果优化Hopfield模型配置
