脉冲神经网络是什么？

脉冲神经网络（spiking neutral network

其基本单位是神经元《参考生物神经元

先了解前提知识：

该系统的输入与输出即

神经元个体接收与发送的脉冲信号

（而脉冲信号又是离散的）

脉冲编码：

像神经元这种在接收输入信号之后，根据一定规则产生脉冲输出的编码方式称为脉冲编码。

而脉冲神经网络的信息传递依靠于神经元突触传递，突触又分为兴奋性突触与抑制性突触。

两种突触的区别在于：

兴奋性突触会通过一定电流输出的方式增加膜电位，抑制性突触则相反，会使膜电位减小。

膜电位看高中生物选1

该系统基本模型为LF模型（将输入信号加权求和，若信号大于阈值则会脉冲输出，信号小于阈值不会输出）

脉冲神经网络不同于传统神经网络，其主要在于神经元采用脉冲式信号，相比于传统神经网络的时间积分计算，有更高的时间分辨率与能耗效率，可以大大缩短时间限制。

但脉冲神经网络十分复杂，人工智能难以在该模型下得到高效性的训练，且由于其用离散信号，因此计算也会更加复杂，现今有几个新颖算法：基于脉冲时序的反向传播算法，神经元组成的自适应性神经网络