自己从官网和手册中整理的例程文件合辑，也有自己添加的注释 example 里是自己整理的四个介绍文档对应的程序以及官网例程对应的.ipynb文件 examples 里是官网提供镜像中关于NEST仿真的例程 https://blog.csdn.net/qq_39295220/article/details/108960005

本文研究目的是分析当前人工智能的研究现状，简要汇总人工智能的技术以及利用人工智能技术所能够解决的常见问题，主要通过计算机视觉、机器学习、自然语言处理、机器人技术、生物识别技术、大数据几个方面简要说明了人工智能技术是如何应用的。然后，简要说明了脉冲神经网络机制，了解脉冲神经网络的历史及其三种拓扑结构，介绍了信息的脉冲序列编码方法，接着简要叙述了脉冲神经网络的优势、已有的研究进展、多尺度可塑性的SNN优化方法以及脉冲神经网络的应用。最后一部分给出了类脑计算模型的简单介绍、类脑计算算法的说明、类脑计算芯片的介绍以及我国在类脑计算方面的研究进展。基于人脑脉冲神经网络机制对类脑计算模型进行研究有助于揭示人脑研究在类脑计算中的功能，有助于更好地优化类脑计算算法、构建类脑计算模型。

基于突触可塑性的无标度脉冲神经网络的动态特性研究

官网指南的翻译版本，包括我翻译好的ipynb文件，源文件，pdf文件，markdown文件，整理好导出的Word文件。 源网址https://brian2.readthedocs.io/en/stable/resources/tutorials/1-intro-to-brian-neurons.html 我翻译后的博客地址：https://blog.csdn.net/qq_39295220/article/details/116991641?spm=1001.2014.3001.5501

一份小总结的文档

脉冲神经网络最基本的神经元模型之一SRM模型的前世今生，英文原版

脉冲神经网络的生物学机制，对了解生物神经机制有很大好处

脉冲神经网络

Neuromorphic-Caltech101（N-Caltech101）数据集是原始基于帧的Caltech101数据集的加标版本。原始数据集包含“Faces”和“Faces Easy”两个类，每个类都由相同图像的不同版本组成。为了避免混淆，“Faces”类已经从N-Caltech101中删除，只剩下100个对象类和一个后台类。N-Caltech101数据集是通过将ATIS传感器安装在电动云台上，并在LCD监视器上查看Caltech101示例时移动传感器来捕获的，如下面的视频所示。关于数据集的完整描述:https://www.garrickorchard.com/datasets/n-caltech101

不会脉冲神经网络没关系，这个matlab程序将卷积神经网络转换为脉冲神经网络