我一直在使用神经网络工作，我对实施尖峰神经元模型感兴趣。
我已经阅读了相当多的教程，但其中大部分似乎都是关于产生脉冲的，而且我还没有在给定的输入列车上找到它的任何应用。
比如说我有输入火车：
Input[0] = [0,0,0,1,0,0,1,1]
它进入Izhikevich神经元，输入是否乘以一个权重或仅使用参数a，b，c和d？
Izhikevich方程是：
v[n+1] = 0.04*v[n]^2 + 5*v[n] + 140 - u[n] + I
u[n+1] = a*(b*v[n] - u[n])
其中v [n]是输入电压，u [n]是一般恢复变量。
在实际问题上是否有关于Izhikevich或类似尖峰神经元模型的实施的文本？我试图理解信息是如何编码在这个模型上的，但它看起来与标准第二代神经元所做的不同。我发现它处理尖峰列车和一组重量的唯一教程是[1]，但我对Izhikevich没有看到相同的内容。
答案 0 :(得分：2)
普通的Izhikevich模型本身不包括重量。
您提到的两个方程，模拟了点神经元随时间的膜电位（v[]）。要使用权重，您可以使用突触连接两个或更多此类单元格。
每个突触可以在源细胞（突触前）上包括一些分类尖峰检测机制，并且在靶（突触后）细胞侧包括突触电流机制。然后可以将突触电流乘以权重项，然后成为目标细胞的I项（在上面的第一个等式中）的一部分。
作为双胞胎网络的一个非常简单的例子，在每个时间步，您可以检查前单元v是否高于（比方说）0 mV。如果是这样，将（例如）0.01 pA * weightPrePost注入后细胞。 weightPrePost的范围从0到1，并且可以根据像STDP中的点火速率或类似Hebbian的尖峰同步一样进行修改。
当多个突触电流进入细胞时，您可以设计出各种方案来总结它们。最简单的一个只是一个简单的和，更复杂的可能包括距离和枝晶直径（例如模拟神经形态）。
本章很好地介绍了其他模拟突触的方法：Modelling Synaptic Transmission