STDP依赖的脉冲时间构建仿真：基于STDP的脉冲神经网络模拟

简介：
本研究探讨了通过尖峰时间依赖可塑性（STDP）机制来建立和优化脉冲神经网络中连接权重的方法，进行了详尽的仿真分析。 尖峰时序相关构造是一种算法，它依据Hebbian尖峰时序相关可塑性（STDP）下的适应机制，在初始神经元群体的基础上“生长”出尖峰网络。这种机制模仿了生物神经网络的自适应过程，根据突触前和突触后神经元产生的脉冲时间差调整突触强度。当一个突触前神经元在另一个突触后神经元产生脉冲之前不久发出脉冲时，不对称Hebbian STDP会导致兴奋性突触效能增强。 该构造算法将STDP与模拟神经元作为更大神经系统中特定子群存在的假设结合在一起。若最近活跃的输入神经元集合缺乏具有相同连接特性的关联模拟神经元，则假定存在外部神经元，并且这些外部神经元会发出脉冲信号。在Hebbian STDP的作用下，这将导致与该外部神经元之间的联系加强，并形成与近期活动频繁的输入神经元的功能性联结。 随后，这个假设中的外部神经元会被加入到模拟的神经网络中，它连接着一组活跃的输入神经元。这种方法已被开发用于随机二维神经元场的应用场景下尖峰时序相的研究。