尖峰神经网络中种群活动的拓扑分类
研究表明，在具有尖峰时间相关可塑性（STDP）的尖峰神经网络（SNN）模型中，神经活动的拓扑类型取决于神经元之间连接的平均长度——连接半径，而STDP以局部连接为主，有助于SNN中的网络同步。 基于机器人的Spiking神经网络的空间记忆
结果表明，经过训练后，SNN可以有效控制机器人的认知行为，使其避开竞技场中的危险区域，并使用突触向量场方法提出了一种全局网络记忆的度量方法，以验证结果并计算信息特征，包括学习曲线。 利用记忆器件的反射尖峰神经网络
这项研究预测，尖峰神经网络（SNNs）可以实现下一个质的飞跃，并预测反射型SNNs可以利用其内在动力学，模拟复杂而非基于反射的大脑活动。 仿生鱼类机器人控制回路中的自组织CPG
一个软件包允许使用虚拟机器人模拟CPG并演示其工作，在虚拟鱼类机器人的控制回路中使用自组织CPG，该软件包显示了随着神经网络的结构和功能重组，运动模式逐渐形成。 体外自组织神经网络活动模式的起源。
有人提出，生长在微电极阵列培养基上的神经细胞群产生阈下相互作用，可导致噪声诱导的膜电位振荡，频繁点火至尖峰，这表明，连接的冗余和消息的形式都是创建容错的重要因素。 皮层神经元随机网络的有序表示
这项研究表明，在体外自发形成的大规模皮层神经元随机网络中，神经元在每次刺激后被招募的顺序是一个自然出现的表征原语，它对尖峰时间的显著时间变化保持不变。
