脈沖神經(jīng)網(wǎng)絡(luò)（spiking neutral network

其基本單位是神經(jīng)元《參考生物神經(jīng)元

先了解前提知識(shí)：

該系統(tǒng)的輸入與輸出即

神經(jīng)元個(gè)體接收與發(fā)送的脈沖信號(hào)

（而脈沖信號(hào)又是離散的）

脈沖編碼：

像神經(jīng)元這種在接收輸入信號(hào)之后，根據(jù)一定規(guī)則產(chǎn)生脈沖輸出的編碼方式稱(chēng)為脈沖編碼。

而脈沖神經(jīng)網(wǎng)絡(luò)的信息傳遞依靠于神經(jīng)元突觸傳遞，突觸又分為興奮性突觸與抑制性突觸。

兩種突觸的區(qū)別在于：

興奮性突觸會(huì)通過(guò)一定電流輸出的方式增加膜電位，抑制性突觸則相反，會(huì)使膜電位減小。

膜電位看高中生物選1

該系統(tǒng)基本模型為L(zhǎng)F模型（將輸入信號(hào)加權(quán)求和，若信號(hào)大于閾值則會(huì)脈沖輸出，信號(hào)小于閾值不會(huì)輸出）

脈沖神經(jīng)網(wǎng)絡(luò)不同于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)，其主要在于神經(jīng)元采用脈沖式信號(hào)，相比于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的時(shí)間積分計(jì)算，有更高的時(shí)間分辨率與能耗效率，可以大大縮短時(shí)間限制。

但脈沖神經(jīng)網(wǎng)絡(luò)十分復(fù)雜，人工智能難以在該模型下得到高效性的訓(xùn)練，且由于其用離散信號(hào)，因此計(jì)算也會(huì)更加復(fù)雜，現(xiàn)今有幾個(gè)新穎算法：基于脈沖時(shí)序的反向傳播算法，神經(jīng)元組成的自適應(yīng)性神經(jīng)網(wǎng)絡(luò)