{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,4,12]，“日期时间”：“2024-04-12T07:16:26Z”，“时间戳”：1712906186788}，“出版商位置”：“查姆”，“参考计数”：17，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783319700953”，“类型”：”打印“}，{“值”：“9783319700960”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2017,1,1]]，“date-time”：“2017-01-01T00:00:00Z”，“timestamp”：14832288000000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}]“：[]，”published-print“：{”date-parts“：[2017年]]}，“DOI”：“10.1007\/978-3-319-70096-0_10”，“type”：“book-chapter”，“created”：{“date-parts”：[[2017,10,24]]，“date-time”：“2017-10-24T21:33:18Z”，“timestamp”：1508880798000}，“page”：”92-100“，“source”：《Crossref》，“is-referenced-by-count”：5，“title”：[“基于STDP-Based的Spiking Neural Networks监督学习算法”]，“前缀”：“10.007”，“author”：[{“给定”：“战好”，“家庭”：“胡”，“序列”：“第一”，“从属关系”：[]}，{“给定”：“道”，“家族”：“王”，“顺序”：“附加”，“隶属关系”：[]}、{“给出”：“小林”，“家人”：“胡”，“排序”：“额外”，“附属关系”：【]}】，“成员”：“297”，“在线发布”：{“日期部分”：【2017，10，26】】}，“引用”：[{“关键”：“10_CR1”，“非结构化”：“Bengio，Y.，Mesnard，T.，Fischer，A.，Zhang，S.，Wu，Y.:STDP为突触前活动乘以突触后活动变化率。arXiv预印本（2015）。\narXiv:1509.05936”｝，｛“issue”：“1”，“key”：“10_CR2”，“doi asserted by”：“crossref”，“first page”：“17”，“doi”：“10.1016\/S095-2312（01）00658-0”，“volume”：“48”，“author”：“SM Bohte”，“year”：“2002”，“非结构化”：“Bohte，S.M.，Kok，J.N.，La Poutre，H.：尖峰神经元的时间编码网络中的错误反向传播。神经计算48（1），17\u201337（2002）”，“期刊标题”：“神经计算”}，｛“问题”：“6”，“密钥”：“10_CR3”，“doi断言者”：“crossref”，“首页”：“552”，“doi”：“10.1016\/J.ipl.2005.05.023”，“卷”：“95”，“作者”：“O Booij”，“year”：“2005”，“unstructured”：“Booij，O.，tat Nguyen，H.：发出多个尖峰的尖峰神经元的梯度下降规则。Inf.Process。Lett.95（6），552\u2013558（2005）”，“journal-title”：“Inf.Process.Lett.”}，{“issue”：“3”，“key”：“10_CR4”，“doi-asserted-by”：“crossref”，“first page”：”344“，“doi”：“10.1038\/nn.2479”，“volume”：第13页“，”author“：”C Clopath“，“年份”：“2010年”，“非结构化”：“Clopath，C.，B\u00fcsing，L.，Vasilaki，E.，Gerstner，W.：连接性反映了编码：基于电压的STDP模型与Homeostasis。Nat.Neurosci.13（3），344\u2013352（2010）”，“期刊标题”：“Nat.Neourosci.”}，{“key”：“10_CR5”，“volume-title”：“理论神经科学”，“作者”：“P Dayan”，“年份“2001”，“无结构化”：“Dayan，P.，Abbott，L.F.：理论神经科学，第806卷。麻省理工学院出版社，剑桥（2001）“}，{”key“：”10_CR6“，”doi-asserted-by“：”crossref“，”first page“：“99”，”doi“：”10.3389\/fncom.2015.0099“，“volume”：“9”，“author”：“PU Diehl”，“year”：“2015”，“unstructured”：“Diehl.，P.U.，Cook，M.：使用尖峰时间依赖可塑性进行数字识别的无监督学习。Front.Computer.Neurosci.9，99（2015）”，“journal-title“：”前面。计算。神经科学。“}，{”issue“：”10“，”key“：”10_CR7“，”doi-asserted-by“：”crossref“，”first-page“：”1419“，”doi“：”10.1016\/j.neunet.2009.04.003“，”volume“：“22”，”author“：”S Ghosh-Dastidar“，”year“：”2009“，”unstructured“：”Ghosh-Dastidar，S.，Adeli，H.：用于癫痫和癫痫检测的多峰值神经网络的新监督学习算法。神经网络。22（10），1419\u20131431（2009）“，“新闻标题”：“神经网络。“}，{”issue“：“3”，”key“：“10_CR8”，”doi-asserted-by“：”crossref“，”first page“：”420“，“doi”：“10.1038\/nn1643”，“volume”：“9”，“author”：“R G\u00fctig”，“year”：“2006”，“unstructured”：“G\u00 fctig，R.，Sompolinsky，H.：tempotron：学习基于棘波计时的决策的神经元。《自然神经科学》9（3），420\u2013428（2006年）“，”杂志标题“：”自然神经科学“}，{“key“：”10_CR9“，”unstructured“：”Kheradpisheh，S.R.，Ganjtabesh，M.，Thorpe，S.J.，Masquelier，T.：基于STDP的目标识别尖峰深度神经网络。arXiv预印本（2016）。\narXiv:11611.01421“｝，｛“issue”：“7553”，“key”：“10_CR10”，“doi asserted by”：“crossref”，“首页”：“436”，“doi”：“10.1038\/nature14539”，“volume”：“521”，“author”：“Y LeCun”，“year”：“2015”，“nonstructured”：“LeCun，Y.，Bengio，Y.，Hinton，G.：深度学习。Nature 521（7553），436\u2013444（2015）”，“期刊标题”：“Nature”｝，｛“：”5297“，”键“：”10_CR11“，”doi-asserted-by“：”crossref“，”first page“：”213“，”doi“：”10.1126\/science.275.5297.213“、”volume“：“275”，”author“：”H Markram“，”year“：”1997“，”unstructured“：”Markram，H.，L\u00fcbke，J.，Frotscher，M.，Sakmann，B.：通过突触后APS和EPSPS的重合调节突触效能。Science 275（5297），213\u2013215（1997）“，”journal-title“：”Science“}，{“issue”：“2”，“key”：“10_CR12”，”doi-asserted-by“：”crossref“，”first-page“：”467“，”doi“：”10.1162\/neco.2009.11-08-901“，”volume“：”22“，”author“：”F Ponulak“，”year“：”2010“，”unstructured“：”Ponulak，F.，Kasi\u0144ski，A.：带简历的尖峰神经网络中的监督学习：序列学习、分类和尖峰移位。神经计算。22（2），467\u2013510（2010）“，“期刊标题”：“神经计算。“}，{”issue“：“3”，”key“：”10_CR13“，”doi-asserted-by“：”crossref“，”first-page“：”288“，”doi“：”10.1109\/TNANO.2013.2250995“，”volume“：“12”，”author“：”D Querlioz“，”year“：”2013“，”unstructured“：”Querlioz，D.，Bichler，O.，Dollfus，P.，Gamrat，C.：记忆性纳米器件的尖峰神经网络对器件变化的免疫性。IEEE传输。纳米技术。12（3），288\u2013295（2013）“，“期刊标题”：“IEEE Trans。纳米技术。“}，{”key“：”10_CR14“，”doi-asserted-by“：”crossref“，”unstructured“：”Scellier，B.，Bengio，Y.：平衡传播：弥合基于能量的模型与反向传播之间的差距。Front.Comput.Neurosci.11（2017）。文章编号24“，”doi“：”10.3389\/fncom.2017.00024“}”，{“issue”：“9”，“key”：“10_CR15”，“doi-assert-by”：“crossref.”，“首页”：“919”，”DOI“：”10.1038\/78829“，”volume“：”3“，”author“：”S Song“，”year“：”2000“，”unstructured“：”Song，S.，Miller，K.D.，Abbott，L.F.：通过尖峰时间依赖性突触可塑性进行竞争性希伯来学习。自然神经科学。3（9），919\u2013926（2000）“，“杂志标题”：“自然神经科学。}，{“key”：“10_CR16”，“unstructured”：“Xie，X.，Seung，H.S.：基于Spike的学习规则和持续神经活动的稳定性。In:Advances In neural Information Processing Systems，pp.199\u2013208（2000）”}，}“issue”：“6”，key：“10_CR17”，“doi-asserted-by”：“crossref”，“first page”：”1411“，“doi”：“10.1109”，TNNLS.2016.2541339“，”volume“28”，“作者“：”X Xie“，”year“：”2017“，”unstructured“：”Xie，X.，Qu，H.，Yi，Z.，Kurths，J.：通过精确的突触效率调整方法对监督性扣球神经网络进行有效训练。IEEE传输。神经网络。学习。系统。28（6），1411\u20131424（2017）“，“期刊标题”：“IEEE Trans。神经网络。学习。系统。“}]，”container-title“：[”Neural Information Processing“，”Teach Notes in Computer Science“]，”original-title”：[]，”link“：[{”URL“：”http://\/link.springer.com/content\/pdf\/10.1007\/978-3-319-70096-0_10“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]“，”deposed“：{”date-parts“：[2017,10,24]]，”date-time“：”2017-10-24T21:36:57Z“，”timestamp“：1508881017000}，”score“：1，”resource“：{主要”：{“URL”：“http://\/link.springer.com/10.1007\/978-3-319-70096-0_10”}}，“副标题”：[]，“短标题”：[]，“已发布”：{-“date-parts”：[2017年]}，《国际标准图书编号》：[“9783319700953”，“97833700960”]，“references-count”：17，“URL”：“http://\/dx.doi.org\/10.1007\/978-3-319-70096-0_10”，“关系“：{}，”ISSN“：[“0302-9743”，“1611-3349”]，”ISSN-type“：[{”value“：”0302-974“，”type“:”print“}，{”value“：”1611-3399“，”类型“：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[2017]}}}