摘要
尖峰频率适应（SFA）根据近期的脉冲发放活动调节神经元的兴奋性，然而传统的神经形态模型通常使用单时间尺度的指数恢复来描述适应过程。据我们所知，目前大多数分数阶脉冲神经元的数学表述主要通过膜电位或与输入相关的动态过程引入记忆效应，而非通过脉冲触发的适应电流的恢复过程来实现。本文提出了分数阶尖峰频率适应（F-SFA），其中整数阶脉冲发生阈值膜（LIF）与经历分数阶恢复过程的脉冲触发适应电流相耦合。一种紧凑的多指数嵌入方法使得该模型可以在无需显式历史卷积的情况下进行递归实现。单神经元实验表明，该模型表现出放电频率适应、脉冲间期（ISI）逐渐延长以及刺激后的恢复特征。F-SFA 进一步被整合到一个基于叶状巨运动检测器2（LGMD2）启发的事件驱动模型中，该模型不含前馈抑制（FFI）。所得模型保留了暗色接近目标的显著响应能力，同时提供了对持续平移运动及接近事件后活动的额外历史依赖性衰减。这些结果支持了 F-SFA 作为一种紧凑机制的可行性，可将多时间尺度的脉冲历史依赖性适应引入事件驱动的神经形态模型。
