0
我正在考慮構建一系列事件驅動的神經網絡，受實際大腦架構的啓發而不是簡單的前饋網絡（對於參照系，它將更接近於HTM算法）。我想將網絡中的神經元簡化爲它們與真實神經元相似的點：事件驅動的神經網絡模擬
- 包含一系列指向其他神經元和任何必要連接數據的指針。
- 包含與其激活是否已通過閾值相對應的值。
- 當超過閾值時，它會觸發由神經元內的方法處理的事件，更新連接權重並更新連接的神經元的激活。
我看到它的方式，事件驅動的特性允許網絡評估多個處理器上的激活事件，並且網絡在本地更新的事實意味着它不需要監督式培訓。我對事件驅動編程相當陌生（我玩過wxPython），所以有兩個問題我需要問：
是否有一個好的事件驅動的API用於模擬，或者我應該提取我需要的功能從類似opengl的東西？
對於如何限制特定時間段內發生的事件數量而不跳過事件，您是否有任何建議？仿真是一個連鎖反應，如果處理不當，會消耗所有的處理器。