突触

本章节将会主要提及脉冲神经网络中使用的不同的突触模型，主要介绍最为常用的化学突触与电突触两种。突触类型主要在建立连接时传入 syn_type 进行设置，而突触的参数则由 syn_kwargs 传入。

化学突触

化学突触是突触的正常表现形式，神经元与神经元之间通过突触递质进行信息传递，从而导致了某些离子浓度的上升亦或是下降。在计算神经科学中我们将生理上的突触转化为权重，从而使得兴奋递质与抑制性递质转化为正负权值的形式来作用到神经元上。

在 SPAIC 中，我们的连接默认使用化学突触的形式进行连接，神经元模型中也默认接收到的电流来自于突触传递的电流，因此我们将化学突触称之为基础突触，即 basic 。

self.connection = spaic.Connection(self.layer1, self.layer2, link_type='full',
                                    syn_type=['basic'],
                                    w_std=0.0, w_mean=0.1)

电突触(Gap junction)

电突触，也就是我们常称之为 Gap junction 的一种突触形式，其原理是由于突触前与突触后神经元相隔距离尤其地近，以至于产生了带电的离子互相交换。电突触的特点在于通常情况下电突触是双向的（即突触的作用同时作用在突触前神经元以及突触后神经元，使得双方的电压不断接近）

电突触的数学公式为 Igap = w_gap(Vpre - Vpost)

若要使用电突触，则需要在连接的参数中将突触类型设置为电突触:

self.connection = spaic.Connection(self.layer1, self.layer2,
                                          link_type='full', syn_type=['electrical'],
                                          w_std=0.0, w_mean=0.1,
                                          )

全部突触

在突触中，我们还实现了一些其他种类的突触，并且将池化与展平操作都放入了突触中。

Basic_synapse – 通过 basic 调用
conv_synapse – 通过 conv 调用，配合卷积连接使用
DirectPass_synapse – 通过 directpass 调用，该突触类型将会使得输出等同于输入部分，即输出的Isyn将会等同于连接的突触前神经元的输出的值
Dropout_synapse – 通过 dropout 调用
AvgPool_synapse – 通过 avgpool 调用
MaxPool_synapse – 通过 maxpool 调用
BatchNorm2d_synapse – 通过 batchnorm2d 调用
Flatten – 通过 flatten 调用
First_order_chemical_synapse – 通过 1_order_synapse 调用，化学突触中的一阶衰减突触
Second_order_chemical_synapse – 通过 2_order_synapse 调用，化学突触中的二阶衰减突触
Mix_order_chemical_synapse – 通过 mix_order_synapse 调用，化学突触中的混合衰减突触