edoardobalzani87/pgam
edoardobalzani87
PGAM模型镜像，用于神经调谐函数估计，通过B样条与正则化优化学习神经响应特征，支持边际置信边界计算和最小特征子集识别。
下载次数: 0状态：社区镜像维护者：edoardobalzani87仓库类型：镜像最近更新：2 个月前
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
PGAM模型镜像
镜像概述
本镜像包含Poisson广义加性模型（PGAM），用于神经调谐函数的估计。该模型通过B样条结合正则化惩罚表示神经响应，联合学习系数与超参数，可推断特征贡献的边际置信边界并识别神经元响应的最小特征子集。
核心功能
- 采用B样条表示神经响应，配合正则化惩罚实现平滑效果
- 通过交叉验证分数优化，联合学习B样条系数与正则化超参数
- 推断各特征对神经响应贡献的边际置信边界
- 识别每个神经元响应的最小特征子集
使用场景
适用于神经科学研究领域，帮助研究人员在自然行为场景下高效估计神经调谐函数，分析神经元对不同特征的响应模式。
配置说明
- 参考镜像对应的GitHub仓库（https://github.com/BalzaniEdoardo/PGAM%EF%BC%89%E8%8E%B7%E5%8F%96%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B%E4%B8%8E%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%97
- 可通过挂载本地数据卷的方式将数据传入容器，进行模型训练或推理
部署示例
Docker Run命令
bashdocker run -it --rm -v /本地数据目录:/容器内数据目录 edoardobalzani87/pgam
（注：需替换/本地数据目录和/容器内数据目录为实际路径，具体操作请参考GitHub仓库文档）
参考资料
[1] Balzani, Edoardo, et al. "Efficient estimation of neural tuning during naturalistic behavior." Advances in Neural Information Processing Systems 33 (2020): -. ===FULL_DESC===
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
轩辕镜像加速拉取命令点我查看更多 pgam 镜像标签
docker pull docker.xuanyuan.run/edoardobalzani87/pgam:<标签>
DockerHub 原生拉取命令
docker pull edoardobalzani87/pgam:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"