你好，我是初学者，我最近跑通了[单层SNN识别MNIST.ipynb]的代码，并且也学习了STDP即“spikingjelly/activation_based/examples/stdp_trace.py”的代码，我尝试将两者结合起来，把前者使用反向传播更新参数的方法改成STDP更新参数，但写出代码后效果很差，accuracy来看基本靠瞎猜，请问是否有人成功实现该想法呢，还是说单层snn是很难使用stdp进行训练mnist的。我的方法就是在训练时候，将sn，即lif层的输出强行改成该数据的标签脉冲，如标签是3，我改成【0,0,0,1,0,0,0,0,0,0】，在每一个时间t循环里执行learn.step（）,我知道这个思路可能有问题，但我想不到更好的结合思路了，请问可以指点一下吗。谢谢！
你好，我是初学者，我最近跑通了[单层SNN识别MNIST.ipynb]的代码，并且也学习了STDP即“spikingjelly/activation_based/examples/stdp_trace.py”的代码，我尝试将两者结合起来，把前者使用反向传播更新参数的方法改成STDP更新参数，但写出代码后效果很差，accuracy来看基本靠瞎猜，请问是否有人成功实现该想法呢，还是说单层snn是很难使用stdp进行训练mnist的。我的方法就是在训练时候，将sn，即lif层的输出强行改成该数据的标签脉冲，如标签是3，我改成【0,0,0,1,0,0,0,0,0,0】，在每一个时间t循环里执行learn.step（）,我知道这个思路可能有问题，但我想不到更好的结合思路了，请问可以指点一下吗。谢谢！