那里有许多不同版本的尖峰神经网络。我认为这主要是因为没有像 CNN 和 BP 这样具有适当学习算法的占主导地位的成功 SNN 模型。然而，最近有几篇关于 SNN 的论文（例如SuperSpike、SLAYER）可能会导致 SNN 的标准框架。它发生在大约 2 年之内，所以这也是迄今为止 SNN 上没有友好介绍的原因之一。我在一般意义上发现了一些关于 SNN 的博文，但它没有涵盖 SNN 最近的重要趋势。

目前，了解 SNN 的最佳方式是阅读论文。我推荐的一篇论文是“Surrogate Gradient Learning in Spiking Neural Networks”，它全面回顾了最近在 SNN 中使用反向传播进行监督学习的工作。

如果您想从头开始实现 SNN，我建议您查看 BindsNET( github , paper )，它是一个基于 PyTorch 的 SNN 框架。对我来说，与其他现有的 SNN 库相比，它的使用和理解最为直观。它涵盖了各种神经元模型和学习规则。但我不确定它是否也涵盖了“Surrogate Gradient Learning in Spiking Neural Networks”中描述的学习规则

Wulfram Gerstner 和 Werner M. Kistler有一本书Spiking Neuron Models: Single Neurons, Populations, Plasticity (2002)。

我还发现这些幻灯片可能很有用。

（额外的资源将不胜感激。）