This paper reviews recent developments in the still-off-the-mainstream information and data processing area of spiking neural networks (SNN)—the third generation of artificial neural networks. We provide background information about the functioning of biological neurons, discussing the most important and commonly used mathematical neural models. Most relevant information processing techniques, learning algorithms, and applications of spiking neurons are described and discussed, focusing on feasibility and biological plausibility of the methods. Specifically, we describe in detail the functioning and organization of the latest version of a 3D spatio-temporal SNN-based data machine framework called NeuCube, as well as it’s SNN-related submodules. All described submodules are accompanied with formal algorithmic formulations. The architecture is highly relevant for the analysis and interpretation of various types of spatio-temporal brain data (STBD), like EEG, NIRS, fMRI, but we highlight some of the recent both STBD- and non-STBD-based applications. Finally, we summarise and discuss some open research problems that can be addressed in the future. These include, but are not limited to: application in the area of EEG-based BCI through transfer learning; application in the area of affective computing through the extension of the NeuCube framework which would allow for a biologically plausible SNN-based integration of central and peripheral nervous system measures. Matlab implementation of the NeuCube’s SNN-related module is available for research and teaching purposes.

本文回顾了尖峰神经网络（第三代人工神经网络）仍处于主流的信息和数据处理领域的最新发展。我们提供有关生物神经元功能的背景信息，讨论最重要和最常用的数学神经模型。描述和讨论了最相关的信息处理技术，学习算法以及尖峰神经元的应用，重点是该方法的可行性和生物学可行性。具体来说，我们详细描述了最新版本的称为NeuCube的3D时空基于SNN的数据机框架的功能和组织，以及与SNN相关的子模块。所有描述的子模块均附带正式的算法公式。该架构与各种类型的时空脑数据（STBD）（例如EEG，NIRS，fMRI）的分析和解释高度相关，但是我们重点介绍了一些最近基于STBD和非STBD的应用。最后，我们总结并讨论了一些将来可以解决的开放研究问题。这些包括但不限于：通过迁移学习在基于EEG的BCI领域中的应用；通过扩展NeuCube框架在情感计算领域的应用，可以实现基于生物学的，基于SNN的中枢神经系统和周围神经系统度量的集成。NeuCube的SNN相关模块的Matlab实现可用于研究和教学目的。例如EEG，NIRS，fMRI，但我们重点介绍了一些近期基于STBD和非STBD的应用程序。最后，我们总结并讨论了一些将来可以解决的开放研究问题。这些包括但不限于：通过迁移学习在基于EEG的BCI领域中的应用；通过扩展NeuCube框架在情感计算领域的应用，可以实现基于生物学的，基于SNN的中枢神经系统和周围神经系统度量的集成。NeuCube的SNN相关模块的Matlab实现可用于研究和教学目的。例如EEG，NIRS，fMRI，但我们重点介绍了一些近期基于STBD和非STBD的应用程序。最后，我们总结并讨论了一些将来可以解决的开放研究问题。这些包括但不限于：通过迁移学习在基于EEG的BCI领域中的应用；通过扩展NeuCube框架在情感计算领域的应用，可以实现基于生物学的，基于SNN的中枢神经系统和周围神经系统度量的集成。NeuCube的SNN相关模块的Matlab实现可用于研究和教学目的。但不限于：通过迁移学习在基于EEG的BCI领域中的应用；通过扩展NeuCube框架在情感计算领域的应用，可以实现基于生物学的，基于SNN的中枢神经系统和周围神经系统度量的集成。NeuCube的SNN相关模块的Matlab实现可用于研究和教学目的。但不限于：通过迁移学习在基于EEG的BCI领域中的应用；通过扩展NeuCube框架在情感计算领域的应用，可以实现基于生物学的，基于SNN的中枢神经系统和周围神经系统度量的集成。NeuCube的SNN相关模块的Matlab实现可用于研究和教学目的。