Also das Ziel ist area_factor so zu wählen, dass count mit den beobachteten Häufigkeiten möglichst genau übereinstimmt. ich übergebe also beispielsweise 5 Beobachtungsergebnisse - dabei kenne ich jeweils I, Aber area_factor ist unbekannt. Dieser soll so gewählt werden, dass es einen area_factor gibt...

Wie kann ich denn das beheben Sirius? Wie kann ich die "Realdaten" so übergeben, dass in HH_model kein Dimensionsproblem in den Differentialgleichungen auftritt?

Die Funktion liefert das richtige Ergebnis, aber I und area_factor sind eigentlich nur Zahlen - für jede Zahl wird die Funktion entsprechend der Anzahl von runs durchlaufen. runs = 30 : Also I = 10 und area factor = 1 dann wird die Funktion für dieses I und diesen area_factor 30mal ausgeführt und am...

Ich habe die Funktion nun angehängt.

def HH_model(I,area_factor): count = 0 for j in range(0,runs): # Temporal and stimulus parameters t_end = 10 # in ms tDel = 1 # in ms tDur = 0.3 # in ms dt = 0.01 # in ms I = I area_factor = area_factor kT = 12 # Temp. factor #geometry d = 2 # diameter in um r = d/2 # Radius in um l = 10 # Length o...

v hängt natürlich von der Zeit hab - also die Spannung wird in Abhängigkeit der Zeit berechnet und dann geschaut, ob zu irgendeinem Zeitpunkt v(t) > grenze ist. Wenn ja, dann wird count um 1 erhöht und beispielsweise bei 50 runs, kommt dann count = 30 raus und das ist der return wert dieser Funktion.

Traceback (most recent call last): File "...", line 172, in <module> fit = optimize.leastsq(g, y0, args=(xdata, ydata)) File "...", line 388, in leastsq shape, dtype = _check_func('leastsq', 'func', func, x0, args, n) File "..."", line 26, in _check_func res = atl...

Liebe Leute, ich habe eine Funktion def model(x,y): #some calculations return count count gibt die Anzahl der aufgetretenen Ereignisse wieder, die in model(x,y) durch 4 Differentialgleichungen bestimmt werden. Nun kenne ich durch ein anderes Modell simulierte Outputs also ich weiß zb, dass model(1,0...

Liebe Leute, ich bin auf GitHub auf folgenden Code gestoßen, der nach dem Hodgkin Huxley Modell funktioniert: import numpy as np import matplotlib.pyplot as plt def HHmodel(I,length): #holders v = [] m = [] h = [] n = [] dt = 0.05 t = np.linspace(0,100,length) #constants Cm = 1.0 #microFarad v_Rest ...