1'''
  2[Title/Звание]
  3
  4    BrainSignal Simulator – Web-based neural dynamics and simulation platform
  5
  6
  7[Description/Обрисовка]
  8
  9    BrainSignal Simulator е уеб базирана научна симулационна платформа, изградена с Django, която позволява моделиране, симулация и анализ на биологични и изкуствени невронни системи.
 10
 11    Системата комбинира:
 12    - числени методи за решаване на диференциални уравнения
 13    - биологични невронни модели
 14    - изкуствени невронни мрежи ANN
 15    - spiking neural networks SNN
 16    - нелинейни динамични системи и "хаос" модели
 17
 18    Всички симулации се съхраняват в JSON формат в база данни, което позволява гъвкаво управление на експерименти, сравнение на модели и визуализация на динамични процеси във времето.
 19    Платформата има за цел да симулира и анализира как се държат невронни системи във времето, как възниква спайк активност и как различни математически модели описват мозъчноподобно поведение.
 20
 21
 22[Functionalities/Надарености]
 23
 24    1. Numerical Solver Engine
 25        Системата реализира собствено математическо ядро за решаване на диференциални уравнения:
 26
 27        - Euler Method
 28        - Improved Euler 
 29        - Runge-Kutta 4 
 30
 31        Функционалност:
 32        - симулира непрекъснати системи във времето
 33        - използва се за всички невронни модели
 34        - позволява настройка на timestep 
 35
 36        
 37
 38    2. Biological Neuron Models Module
 39
 40        Реализира биологично вдъхновени неврони:
 41
 42        - Leaky Integrate-and-Fire
 43        - FitzHugh–Nagumo
 44        - Izhikevich model
 45        - Hodgkin–Huxley
 46
 47        Функционалност:
 48        - симулиране на мембранен потенциал
 49        - spike generation
 50        - recovery variables
 51        - различни типове невронно поведение:
 52        - tonic spiking
 53        - bursting
 54        - adaptation
 55
 56    3. Artificial Neural Networks Module (ANN)
 57
 58        Собствена имплементация на невронна мрежа:
 59
 60        - Dense layers
 61        - activation functions (ReLU, sigmoid, tanh)
 62        - forward propagation
 63        - backpropagation
 64        - loss functions (MSE, cross-entropy)
 65        - gradient descent optimizer
 66
 67        Функционалност:
 68        - обучение върху dataset-и
 69        - сравнение с биологични модели
 70        - анализ на грешка във времето
 71
 72
 73    4. Spiking Neural Networks (SNN)
 74
 75        Симулация на времево-зависими невронни системи:
 76
 77        - spike-based communication
 78        - LIF neurons
 79        - Izhikevich spiking dynamics
 80        - STDP (Spike-Timing Dependent Plasticity)
 81
 82        Функционалност:
 83        - реално време spike simulation
 84        - learning based on spike timing
 85        - comparison with ANN
 86
 87
 88    5. Dynamical Systems & Chaos Module
 89
 90        Симулация на нелинейни системи:
 91
 92        - Lorenz attractor
 93        - Rossler system
 94        - Logistic map
 95        - Kuramoto synchronization model
 96
 97        Функционалност:
 98        - анализ на хаотично поведение
 99        - визуализация на атрактори
100        - синхронизация на системи
101
102
103    6. Experiment Management System
104
105        Система за управление на симулации:
106
107        Функционалности:
108        - създаване на експеримент
109        - конфигурация на модел (JSON)
110        - стартиране на симулация
111        - запис на резултати
112        - сравнение между модели
113
114
115    7. Visualization Module
116
117        Интерактивна визуализация на резултатите:
118
119        spike raster plots
120        membrane potential graphs
121        phase space plots
122        3D neural network visualization
123        heatmaps of neural activity
124
125        Функционалност:
126
127        интерактивни графики 
128        сравнение на симулации
129        real-time animation 
130
131    8. Web Platform (Django и REST API)
132
133        Функционалности:
134
135        потребителски интерфейс за експерименти
136        API за стартиране на симулации
137        съхранение на резултати в SQLite и JSONField
138        достъп до всички модели през web интерфейс
139
140
141    9. Data Storage System (JSON)
142
143        Всички симулации се съхраняват като JSON:
144        neuron states
145        time series data
146        spike trains
147        experiment configs
148
149    10. Analysis Module
150
151        Функционалности:
152
153        spike frequency analysis
154        entropy calculation
155        synchronization metrics
156        stability analysis
157        comparison between models
158
159[Milestones/Възлови точки]
160
161    Django setup + database design
162    Numerical solver implementation (Euler, RK4)
163    Biological neuron models
164    ANN framework implementation
165    SNN spike simulation
166    Chaos systems module (малка промяна в началото -> огромна промяна )
167    JSON experiment system
168    REST API development
169    Visualization dashboard
170    Final integration & testing
171
172
173[Usage of technologies/Потребление на технологии]
174
175    Backend:
176    Django
177    Django REST Framework
178    Numerical computing:
179    NumPy
180    SciPy
181    Data storage:
182    SQLite
183    JSONField (Django ORM)
184    Visualization:
185    Plotly
186    D3.js (optional)
187    Three.js (3D neural networks)
188    (възможни са и други)
189
190    Frontend: 
191    реализира се като класическо уеб приложение, изградено с HTML, CSS и JavaScript, интегрирано чрез Django templates.
192
193
194'''