Matlab实现snn代码,SNN系列｜神经元模型篇(3)SRM

Spike Response Model

参考：

[1] A Framework for spiking neuron models: Spike Response Model

[2] Neuron Dynamics

[3] Spiking Neuron Models

[4] Scholarpedia

LIF模型的发展，LIF是其特殊化情况

Wulfram Gerstner 于[1993][http://www.scholarpedia.org/article/Spike-response_model]年发表

不能描述以下现象：离子通道的阻断、延迟峰值启动、阈值对输入的依赖性

源起

Hodgkin-Huxley模型通过一个通用方程加三个参数方程来精确模拟神经元的动作电位，但是计算复杂。对HH方程组的简化方向有两个：

m用m 0 ( u ) m_0(u)m0​(u)代替，因为其变化很快

n和h粗略地用一个变量表示

于是就有了二维模型Morris LeCar Model和FitzHugh-Nagumo Model。

从阈值的角度单纯地模拟外形，观察精确的神经元模型，可以看到神经元脉冲发放是有一个阈值的，当神经元超过阈值便发放脉冲。

u ( t ( f ) ) = ϑ  and  d d t u ( t ( f ) ) > 0 u\left(t^{(f)}\right)=\vartheta \quad \text { and } \quad \frac{d}{d t} u\left(t^{(f)}\right)>0u(t(f))=ϑanddtd​u(t(f))>0

其次，神经元的脉冲的样子是相同的，于是假设神经元在t ^ \hat{t}t^发放脉冲，当此后没有电流输入时，神经元膜电势逐渐回落到静息电位。对t > t ^ t>\hat{t}t>t^，

u ( t ) = η ( t − t ^ ) + u r e s t η ( t − t ^ ) → 0  for  t − t ^ → ∞ u(t)=\eta(t-\hat{t})+u_{\mathrm{rest}}\\ \eta(t-\hat{t}) \rightarrow 0 \text { for } t-\hat{t} \rightarrow \inftyu(t)=η(t−t^)+urest​η(t−t^)→0fort−t^→∞

u r e s t u_