总结

1. conv_poisson的效果并没有poisson编码方式好，可能是最后计算推理值的方式与precise temporal无关。
2. SNN在使用poisson编码时防过拟合效果很好，反而在conv_poisson编码时居然会出现过拟合，过拟合的根源恐怕不只会出现在训练的方式上，在本次实验中即使是非监督学习在确定的输入上也出现了过拟合的问题。
3. 网络的记忆起到了很大的作用，例如所有的1并不一定存储在网络的相同源头神经元，有些斜着的1我们会以特例存储。可能人类的大脑斜1和正1也存储在不同的神经路线上，只是我们自以为是自己的推理结果。
4. 有趣的发现：在网络训练成熟后，输出神经元与抑制神经元之间的脉冲关系并不明显，似乎抑制神经元只是在训练过程中起辅助作用，训练结束后即可精简掉，待实验。

Code & Output

国内gitee链接

github

bindsnet搭建SNN训练mnist

原文：https://www.cnblogs.com/ctrlplayer/p/13670954.html