介绍了一种新颖的脉冲神经网络模型，用于学习分布式内部表示。该模型在生物皮层锥体神经元中表现出与低发射率相当的Poisson统计量。通过线性分类器评估，该脉冲模型的学习表示与非脉冲BCPNN接近，并在MNIST和F-MNIST机器学习基准上与其他脉冲网络竞争力相当。

我们提出了一种动态结构发展的脉冲神经网络模型，通过动态分配和增长神经元，提高内存容量，减少计算开销，实现高效自适应的连续学习。模型在多类增量学习和任务增量学习方面验证了其有效性，性能优于现有方法。