our_knp/wiki
int 917808edda
Add project wiki built on SharedDocsLib
Definitions, system overview, architecture comparison and interactive
widgets: AltAILIF neuron, input coding, STDP, Altai core grid and
crossbar, quantisation, chip budget, and three recognisers (STDP
columns, native network, tick-trained spiking network) computed in
the browser with integer arithmetic on their real weights.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01XFVgZ8Nct8BEh9k7bjuRdw
2026-10-19 08:26:11 +00:00
..
assets Add project wiki built on SharedDocsLib 2026-10-19 08:26:11 +00:00
data Add project wiki built on SharedDocsLib 2026-10-19 08:26:11 +00:00
.gitignore Add project wiki built on SharedDocsLib 2026-10-19 08:26:11 +00:00
knp_wiki.py Add project wiki built on SharedDocsLib 2026-10-19 08:26:11 +00:00
README.md Add project wiki built on SharedDocsLib 2026-10-19 08:26:11 +00:00

Вики «Нейроморфное распознавание на Алтае»

Документация проекта на SharedDocsLib: определения, устройство системы, сравнение архитектур и интерактивные виджеты.

Сборка

uv pip install "git+https://git.snw.su/snw/SharedDocsLib.git@main"
python wiki/knp_wiki.py build     # статический комплект в wiki/build: index.html, manifest.json, version, index.zip
python wiki/knp_wiki.py           # live-preview на http://127.0.0.1:1234/index.html

Устройство

Файл Что внутри
knp_wiki.py страницы (@Page) и компоненты
assets/widgets.js интерактивные виджеты; оживляют <div data-widget="…"> после вставки страницы
assets/widgets.css стили виджетов на переменных темы SharedDocsLib
data/models.json веса трёх сетей (колонки STDP, нативная, импульсная по тактам), 24 тестовые цифры MNIST, точки графика «точность — энергия»

Страницы вставляются через innerHTML, поэтому <script> внутри страницы не выполняется. Виджеты подключаются через custom_js: при сборке data/models.json и assets/widgets.js склеиваются в assets/inject.generated.js.

Все три сети в виджетах считаются целочисленно, так же как на чипе. Расчёт сверен с Python-эталоном на 10 000 тестовых цифрах MNIST: нативная сеть и импульсная сеть по тактам дают те же ответы и ту же точность.