SNN论文系列-Spatio-Temporal Backpropagation for Training High-Performance Spiking Neural Networks

（SNN论文系列-Spatio-Temporal Backpropagation for Training High-Performance Spiking Neural Networks）

SNN论文系列-Spatio-Temporal Backpropagation for Training High-Performance Spiking Neural Networks_Gu Elizabeth的博客-CSDN博客 Spatio-Temporal Backpropagation for Training High-Performance Spiking Neural Networks下面文章将从神经元模型、STBP算法、近似倒数三方面进行描述神经元模型因为训练方法为BP,需要进行反向传播，故采用LIF神经元模型进行训练。u(t)是在t时刻的膜电压，τ是时间常数、I（t）表示突触前输入，由神经元前活动或外部注射和突触权重决定。当膜电压达到阈值，则释放一个脉冲，并将其电位置为Urest。如图所示，在空间维度，

https://blog.csdn.net/qq_34970603/article/details/106490149?spm=1001.2014.3001.5501%E3%80%82

博主，你的这篇博客是怎么理解反向传播时分的这4种情况啊，在时间维度上的神经元自反馈只影响该神经元的膜电位是指的该神经元的膜电位是和时间常数呈指数衰减的影响，时间t和神经网络的传播是什么关系