【深度学习】脉冲神经网络

目录

一、基本原理

二、发展历史

三、网络结构

四、学习算法

五、应用领域

六、面临的挑战

七、研究进展和未来趋势

八、结论

---

        脉冲神经网络（Spiking Neural Network，SNN）是源于生物启发的新一代人工神经网络模型，属于深度学习的子集，且具有较强的生物基础支撑。以下是关于脉冲神经网络的详细介绍：

一、基本原理

        脉冲神经网络中的神经元不是在每一次迭代传播中都被激活（而在典型的多层感知机网络中却是），而是在其膜电位达到某一个特定阈值时才激活被。当一个神经元被激活，它会产生一个信号传递给其他神经元，提高或降低其膜电位。神经元的当前激活水平（被建模成某种微分方程）通常被认为是当前状态，一个输入脉冲会使当前这个值升高，持续一段时间，然后逐渐衰退。脉冲神经网络采用脉冲编码（spike coding），通过获得脉冲发生的精确时间来进行更多的信息和更强的计算。

二、发展历史

        脉冲神经网络的发展起源于上个世纪90年代，其发展过程中取得了许多重大的进展。例如，1907年，Louis Lapicque提出了泄漏整合发放模型（Leaky In