Search results
- 1.0550948 - ÚI 2022 RIV CZ eng L4 - Software
Cakan, C. - Jajcay, Nikola
neurolib.
Internal code: neurolib ; 2021
Technical parameters: neurolib is a python library, and as such requires working installation of python. neurolib is tested and runs without problems on Linux systems (python versions 3.6 — 3.8) and macOS systems (python versions 3.6 — 3.7). neurolib requires several third-party python libraries (such as numpy, scipy, xarray and others), all of these are open sourced and will be installed automatically during neurolib installation via pip.
Economic parameters: neurolib is very easy-to-use python library for whole-brain modelling. Due to the use of numba compiler, it is one of the fastest brain simulator to the best of our knowledge. Its modular structure allows for easy prototyping of new models, and thanks to the MultiModel framework it easily allows for heterogeneous modelling, where multiple model types and definitions can be coupled together and simulated as a whole. Moreover, it is the only brain simulation library that comes with built-in module for parameter explorations and parameter optimisation using genetic algorithms. neurolib is available under MIT licence.
R&D Projects: GA MŠMT(CZ) EF19_074/0016209
Institutional support: RVO:67985807
Keywords : brain modelling * population models * python
OECD category: Neurosciences (including psychophysiology
https://github.com/neurolib-dev/neurolib
Permanent Link: http://hdl.handle.net/11104/0326235 - 2.0509811 - ÚI 2020 RIV CZ eng L4 - Software
Jajcay, Nikola
pyCliTS.
Internal code: pyCliTS ; 2019
Technical parameters: PyCliTS je pythonový balíček licencovaný pod MIT. Momentálně funguje pro verzi Pythonu 2.7. Pro optimální funkcionalitu se doporučují další balíčky, jejichž seznam je uveden v rámci README: https://github.com/jajcayn/pyclits/blob/master/README.rst
Economic parameters: Balíček umožňuje: manipulaci s daty (časové a prostorové, interpolace, odečtení klimatologického cyklu = anomalizace, normalizace, filtrování, podvzorkování atd.) - výpočet vlnkové transformace [CCWT] - konstruování časoprostorových surogátních dat pomocí přístupu Monte-Carlo [Fourierova transformace, amplitudově upravená FT, iterativní amplituda upravená FT, autoregresivní model VAR (p), multiškálová metoda] - výpočet Singular Spectrum Analysis - výpočet vzájemných informací a podmíněných vzájemných informací [různé algoritmy] - konstruování empirického modelu z časoprostorových dat založených na myšlence LIM [lineární inverzní modelování].
Institutional support: RVO:67985807
Keywords : python * climate time series * CCWT * surrogates * mutual information * modelling * klimatické časové řady * CCWT * vzájemná informace * surogáty * modelování
OECD category: Meteorology and atmospheric sciences
https://github.com/jajcayn/pyclits
Permanent Link: http://hdl.handle.net/11104/0300430