如何利用Bindsnet-Python模拟脉冲神经网络（SNN）？Part IV. 创建和添加学习规则

系列文章目录

Part I. 建立一个网络

BindsNET安装教程

Part II. 添加网络元件

Part III. 如何运行仿真程序

---

微信公众号关注：脑机接口研习社
关注脑机接口最新发展动态

---

一、创建和添加学习规则（Creating and Adding Learning Rules）

1. 什么是学习规则？

学习规则对于仿真过程中网络参数的自动适应是必不可少的。目前，BindsNET支持两种不同的学习规则类别：

a. 两因素：基于突触前和突触后(pre- and post- synaptic)神经活动进行联想学习(associative learning)。

典型的例子是Hebbian学习，可以概括为“一起激发的细胞连接在一起”。即，共同活动的神经元使它们的连接强度增加。

依赖于脉冲时间的可塑性 （Spike-timing-dependent plasticity, STDP）规定突触前和突触后尖峰的顺序很重要。

如果突触前神经元突触在突触后神经元之前激发，则连接强化，相反，如果激发顺序颠倒，则连接弱化。

连接权重更新的幅度是突触前和突触后神经元的激发间隔的递减