数据集概述
本数据集是关于兴奋性漏积分-发放神经元网络的协调重置刺激（CRS）模拟数据，包含同构与异构网络在突触可塑性（STDP）下的同步与去同步状态转换，用于研究CRS序列洗牌对网络持久去同步效果的影响，可模拟帕金森病等病理状态的脑刺激干预。
文件详解
- 核心代码文件:
- 主文件: main.ipynb（Jupyter Notebook格式），可能为项目总览或演示文件
- CRS刺激模块: CRS/CRS_Tshuffle.py、CRS/CRS_non_shuffled.py（Python格式），分别对应洗牌与非洗牌CR序列的刺激逻辑
- 功能函数模块: functions/目录下的functions_genNetwork.py、functions_sim.py等（Python格式），包含网络生成、模拟运行、参数配置等功能函数
- 模拟运行脚本: run_sim/1_run.py、run_sim/2_run.py等（Python格式），用于执行不同配置的模拟任务
- 模拟结果数据:
- 数值数据文件: figures/Fig1/data/、figures/Fig2/data/目录下的.npy格式文件（如KuramotoOrderParameter_homogeneous_network_mw_0.2_seed_12.npy），存储网络同步参数、突触权重等数值结果
- 序列化数据文件: figures/Fig2/data/目录下的.pickle格式文件（如dic_mean_Weights_nonShuffled_homogeneous.pickle），存储均值权重等结构化结果
- 可视化文件:
- 图表文件: figures/Fig1/Figure_1.png、figures/Fig2/Figure_2.png（PNG格式），展示模拟结果的可视化图表
- 示例图片: images/typical_output.png（PNG格式），可能为典型模拟输出的示例图
适用场景
- 神经科学研究: 分析协调重置刺激对神经元网络同步状态的调控机制
- 脑刺激治疗研究: 模拟帕金森病等病理状态下脑刺激干预的效果，优化刺激策略
- 计算神经科学: 探究突触可塑性与网络结构（同构/异构）对刺激响应的影响
- 神经工程应用: 为脑深部电刺激等神经调控技术的参数优化提供理论模拟支持
