我们分析性地研究了一个长期突触可塑性模型，其中突触变化由突触前棘波、突触后棘波以及突触前和突触后棘波之间的时间差触发。相关输入和输出峰值引起的变化通过学习窗口进行量化。我们表明，可塑性可以导致突触后神经元的平均放电率内在稳定。此外，如果所有突触的平均输入速率和平均输入相关性都相同，则会对突触权重进行减法归一化（所有突触前输入在突触后神经元上聚合）。如果学习窗口上的积分为正，则点火率稳定需要非希伯来分量，而如果学习窗口的积分为负，则不需要这样的分量。负积分对应于慢变发射率模型中的反Hebbian学习。对于基于尖峰的学习，Hebbian规则和反Hebbian规则之间的严格区别是值得怀疑的，因为学习是由学习窗口时间尺度上的相关性驱动的。对于分段线性泊松模型和具有不可抗力的噪声尖峰神经元模型，评估了突触前和突触后放电之间的相关性。当学习窗口上的负积分导致固有速率稳定时，学习窗口的正部分拾取输入中的空间和时间相关性。
