在神经科学中，理解神经元之间的同步行为对解释大脑的功能非常重要。而泄漏积分发放（Leaky Integrate-and-Fire, LIF）模型作为一种经典的神经元模型，广泛应用于模拟神经元的膜电位变化以及脉冲发放。本篇博客将带你通过Python代码，模拟一个基于小世界网络的神经元群体，探索不同重连概率 ppp 对神经元同步性的影响。 LIF 模型的基本原理 LIF 模型基于以下膜电位

我们计划使用原生Python代码直接训练SNN，并在相同的精度、超参数和网络结构下与SpikingJelly进行精度对比。以下是基准方法和相关教程的链接： 时间驱动：使用单层全连接SNN识别MNIST — SpikingJelly alpha 文档 在直接训练SNN时，我们需要实现以下三个方面： LIF神经元：实现充电、发射脉冲、重置等操作。编码方式：将连续值转换为适合SNN输入的形式