LIF神经元

右图： 电流$I(t)$给$RC$电路充电，电容(点)两端的电压$u(t)$与阈值$\vartheta$.进行比较。如果在$t_i^{(f)}$时刻，$u(t)>\vartheta$，会产生一个输出脉冲$\delta (t-t_i^{(f)})$
左图：一个突触前脉冲$\delta (t-t_j^{(f)})$被在突触处低通滤波，然后产生一个输入电流脉冲$\alpha (t-t_j^{(f)})$
驱动电流被分成两部分$I(t)=I_R+I_C$,$I_R$是流经线性电阻R的阻性电流，$I_R=\frac{u(t)}{R}$:$I_C$给电容充电，$I_C=C\frac{du}{dt}$:则
$$I(t)=\frac{u(t)}{R}+C\frac{du}{dt}$$
泄露整合（leaky and integrate):
整个公式乘R，引入‘leaky integrator’的${\tau }_m=RC$,则
$${\tau }_m\frac{du}{dt}=-u(t)+RI(t)$$
在代码实现中，一般将微分方程转化为迭代形式，转化过程可见LIF神经元膜电压公式推导
发放(fire):
我们称u为膜电位，${\tau }_m$为神经元的膜时间常数。$t^{(f)}$为脉冲发放时间，定义如下
$$t^{(f)}:u(t^{(f)})=\vartheta$$
重置(reset):
$t^{(f)}$之后，膜电位重置为一个新的值$u_r<\vartheta$,
$$\underset{t\to t^{(f)},t>t^{(f)}}{\lim }u(t)=u_r$$
绝对不应期(absolute refractory period):
如果$u$在时间$t=t^{(f)}$达到阈值,在绝对不应期${\Delta }^{abs}$期间中断动力学,并在时间$t^{(f)}+{\Delta }^{abs}$重置为新的初始状态$u_r$,