脉冲神经网络的一个训练方法

import numpy as np
import math

def epsilon（time_delta）:
	alpha0=5.0  #
	alpha1=1.25 #
	E=math.exp（-time_delta/alpha0）-math.exp（-time_delta/alpha1）
	H=1 if time_delta >= 0.0 else 0
	return E*H

def window（time_delta）:
	alpha=2.0
	return math.exp（-time_delta/alpha） if time_delta>=0.0 else 0.0
	
def training（weights input_spikes output_spikes）:
	#input_spikes=[abc...]
	#output_spikes=[[ab][abc]...]
	input_node_num=len（weights[0]）
	output_node_num=len（weights）
	
	max_epoch=100
	fire_voltage=10
	min_voltage=0.001
	threshold=0.001
	
	#for each output spike node do training
	for outnd in range（output_node_num）:
		outspks=output_spikes[outnd]
		wts=weights[outnd]
		for epoch in range（max_epoch）:
			#for each output spike of this output spike node
			#training
			for outspk in outspks:
				# compute voltage
				voltage=0.0
				for i in range（input_node_num）:
					voltage+=wts[i]*epsilon（outspk-input_spikes[i]）
				if abs（voltage-fire_voltage）>threshold:
					# filtering
					f=[]
					for i in range（input_node_num）:
						if epsilon（outspk-input_spikes[i]）>=min_voltage:
							f.append（i）
					# adjust weight
					denom=0.0