最近，人们提出了几种混合尖峰神经元模型，它们结合了连续尖峰产生机制和不连续重置过程来避免尖峰后的发散。Izhikevich神经元模型是一种已知的模型，能够再现包括混沌尖峰在内的多种尖峰模式。为了揭示这种高多样性的因素，有必要通过比较有/无重置过程的系统来评估状态相关跳跃对连续系统中轨迹的影响。然而，如果移除重置过程，Izhikevich神经元模型中的轨道仅在峰值状态下表现出发散行为。这意味着Izhikevich神经元模型不能通过添加重置过程来评估吸引子结构的变化。本文将重置过程引入到传统的FitzHugh-Nagumo神经元模型中，在该模型中，尖峰状态下的轨道不发散。然后，我们将该混合FitzHugh-Nagomo神经元模型与该重置过程和传统模型的分岔和吸引子结构进行了比较。结果表明，吸引子的非线性拉伸和折叠结构是由重置过程诱导的，混沌状态是通过与跳跃距离有关的切线分岔出现的。