训练数据没有人工标注的标签，因此它能够不依赖标签，从这些数据中自动发现规律，结构或模式。，而不仅仅是局部的神经元或突触，因此需要网络中多个部分的信息协同运作，常常依赖优化目标，例如K-means聚类，主成分分析（PCA）。该算法嵌入每一个神经元中，通过神经元的输入和实际输出来修改突触权重，更符合生物神经系统的机制，例如Hebbian学习，STDP。Hebbian学习是最经典的神经网络学习规则之一，

外部信号 → 编码 → SNN计算 → 解码 → 任务结果脉冲神经网络广泛应用在机器人控制，模式识别和分类等需要模拟生物神经系统的计算任务中。

外部信号 → 编码 → SNN计算 → 解码 → 任务结果脉冲神经网络广泛应用在机器人控制，模式识别和分类等需要模拟生物神经系统的计算任务中。