LIF脉冲神经元的Matlab实现代码。

利用第三代个人工神经网络中的单个脉冲神经元进行学习，实现字符识别。MATLA代码编写了Tempotron类，测试了二十六个字母图片，效果不错，计算量小。详细算法见Rober Gutig的论文《Tempotron: a neuron that learns spike timing-based decisions》 脉冲神经元主要以脉冲时间序列编码，比起卷积神经元，具有计算量小，所需训练样本少的特点，成为较为前沿的热点研究课题。在机器视觉和图像处理领域，脉冲神经网络具有较大的优势。

脉冲神经网络是目前最具有生物解释性的人工神经网络,是类脑智能领域的核心组成部分.首先介绍各类常用的脉冲神经元模型以及前馈和循环型脉冲神经网络结构;然后介绍脉冲神经网络的时间编码方式,在此基础上,系统地介绍脉冲神经网络的学习算法,包括无监督学习和监督学习算法,其中监督学习算法按照梯度下降算法、结合STDP规则的算法和基于脉冲序列卷积核的算法3大类别分别展开详细介绍和总结;接着列举脉冲神经网络在控制领域、模式识别领域和类脑智能研究领域的应用,并在此基础上介绍各国脑计划中,脉冲神经网络与神经形态处理器相结合的案例;最后分析脉冲神经网络目前所存在的困难和挑战.

LIF脉冲神经元的Matlab实现代码。

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