Izhikevich 神经元模型是否使用权重？
Does the Izhikevich neuron model use weights?
我一直在研究神经网络，我对实现脉冲神经元模型很感兴趣。
我已经阅读了相当多的教程，但其中大部分似乎都是关于生成脉冲的，而且我还没有在给定的输入序列上找到它的任何应用。
比如说我得到了输入序列：
Input[0] = [0,0,0,1,0,0,1,1]
进入Izhikevich神经元，输入是乘以权重还是只使用参数a,b,c,d？
Izhikevich 方程为：
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。
是否有关于 Izhikevich 或类似脉冲神经元模型在实际问题上的实现的任何文本？我试图了解信息是如何在这个模型上编码的，但它看起来与标准的第二代神经元所做的不同。我发现的唯一一个处理尖峰列车和一组权重的教程是 [1]，但我还没有看到 Izhikevich 的教程。
简单的 Izhikevich 模型本身不包括权重。
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 连接两个或多个此类单元格。
每个突触都可以包括源细胞（突触前）上的某种尖峰检测机制，以及目标（post-突触）细胞侧的突触电流机制。然后可以将该突触电流乘以 weight 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。
作为双电池网络的一个非常简单的示例，在每个时间步，您可以检查前电池 v 是否高于（比如说）0 mV。如果是这样，将（比方说）0.01 pA * weightPrePost 注入 post- 单元格。 weightPrePost 的范围从 0 到 1，并且可以根据发射率或像 STDP.
中的类似 Hebbian 尖峰同步的事情进行修改
随着多个突触电流进入一个细胞，您可以设计各种方案来对它们求和。最简单的只是一个简单的求和，更复杂的可能包括距离和树突直径（例如模拟神经形态）。
本章很好地介绍了对突触建模的其他方法：建模
突触传递
我一直在研究神经网络，我对实现脉冲神经元模型很感兴趣。
我已经阅读了相当多的教程，但其中大部分似乎都是关于生成脉冲的，而且我还没有在给定的输入序列上找到它的任何应用。
比如说我得到了输入序列：
Input[0] = [0,0,0,1,0,0,1,1]
进入Izhikevich神经元，输入是乘以权重还是只使用参数a,b,c,d？
Izhikevich 方程为：
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。
是否有关于 Izhikevich 或类似脉冲神经元模型在实际问题上的实现的任何文本？我试图了解信息是如何在这个模型上编码的，但它看起来与标准的第二代神经元所做的不同。我发现的唯一一个处理尖峰列车和一组权重的教程是 [1]，但我还没有看到 Izhikevich 的教程。
简单的 Izhikevich 模型本身不包括权重。
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 连接两个或多个此类单元格。
每个突触都可以包括源细胞（突触前）上的某种尖峰检测机制，以及目标（post-突触）细胞侧的突触电流机制。然后可以将该突触电流乘以 weight 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。
作为双电池网络的一个非常简单的示例，在每个时间步，您可以检查前电池 v 是否高于（比如说）0 mV。如果是这样，将（比方说）0.01 pA * weightPrePost 注入 post- 单元格。 weightPrePost 的范围从 0 到 1，并且可以根据发射率或像 STDP.
中的类似 Hebbian 尖峰同步的事情进行修改随着多个突触电流进入一个细胞，您可以设计各种方案来对它们求和。最简单的只是一个简单的求和，更复杂的可能包括距离和树突直径（例如模拟神经形态）。
本章很好地介绍了对突触建模的其他方法：建模 突触传递