SNN_STDP

STDP

是一种时间不对称的Hebbian学习形式，由突触前和突触后神经元的脉冲时间的时间相关性引起的。是一种双向Hebbian学习法则。


突触权重变化\(\Delta w\)依赖于突触前脉冲的到达和突触后脉冲的相对时序。假设突触前脉冲到达的时刻为\(t_j^f,f=1,2,3,...\)，同样的\(t_i^n,n=1,2,3,...\)表示突触后脉冲到达的时刻。所以，总权重变化\(\Delta w_j\)为：

\(\Delta w_j=\displaystyle\sum_{f=1}^N\displaystyle\sum_{n=1}^N W(t_i^n-t_j^f)\)

其中，\(W\)表示STDP函数，常用的STDP函数是根据LTP和LTD来进行的

\(W(x)=A_+e^{-\frac{x}{\tau_+}},x>0\)

\(W(x)=-A_-e^{\frac{x}{\tau_-}},x<0\)

\(A_+\)和\(A_-\)取决于突触值。时间常数通常为\(10ms\)。