数据集概述
本数据集围绕计算机视觉领域的脉冲神经网络（SNN）研究构建，包含多尺度表示、运动感知、MNIST结构可塑性及最大熵采样四大模块的实验数据、代码脚本与结果文件，为SNN在计算机视觉任务中的应用研究提供支持。
文件详解
该数据集按研究模块划分目录，核心文件说明如下：
- EVS模块（多尺度表示与运动感知）：
- 多尺度表示文件：mnist_img_00000_class_5.txt.bz2（BZ2压缩文本），存储MNIST数据集数字经EVS模拟器转换后的（神经元ID，时间戳）对。
- 运动感知文件：bouncing_ball_sequence_w_064_h_064_bw_05spikes.txt.bz2（BZ2压缩文本），为弹跳球图像序列的脉冲转换结果；correct0_0_3.txt、incorrect_0_0_3.txt（文本），记录模拟过程中的膜电压与慢神经递质水平；motion_outputs2018-02-27-12-47.pickle.bz2（BZ2压缩Pickle），存储实验中各群体的脉冲数组字典。
- MNIST结构可塑性模块：
- 代码脚本：mnist_topographic_map.py、function_definitions.py等（Python文件），用于网络训练与测试；Large-scale MNIST network - rate based.ipynb等（Jupyter Notebook），提供数据提取与分析示例。
- 输入文件：trimmedClass_samples__width_028__height_028__avgRate_20.pickle.bz2（BZ2压缩Pickle），包含MNIST训练/测试集的预处理图像数据。
- 结果文件：mnist_case__.npz（NumPy压缩文件），存储不同实验案例（案例1：突触+结构可塑性；案例2：无侧向连接的结构可塑性；案例3：静态权重的结构可塑性）的网络连接性、脉冲活动及参数；testing_mnist_case_*.npz，存储测试阶段结果。
- 最大熵采样模块：
- 输入文件：MNIST-train-60k-images、MNIST-train-60k-labels（无扩展名），为C代码所需的MNIST训练集图像与标签数据；代码文件：db_main1.c、db_public.h等（C语言源文件与头文件），实现最大熵采样功能。
适用场景
- 脉冲神经网络研究：分析EVS模拟器对图像的脉冲编码效果，探究多尺度表示与运动感知的SNN实现机制。
- 结构可塑性实验：验证不同可塑性规则（突触可塑性、结构可塑性）对MNIST任务中SNN性能的影响。
- 计算机视觉应用：研究SNN在数字识别、运动目标检测等计算机视觉基础任务中的应用潜力。
- 最大熵采样分析：探索最大熵方法在SNN训练数据采样中的优化作用。
