区别于传统的梯度下降方法，脉冲神经网络通常使用的是更具生物学特性的STDP(spike timing dependent plasticity)学习策略来更新网络的连接权重。
的更新在脉冲神经网络中最常用的方法是STDP方法，STDP更新突触权重的方式是：若突触前脉冲比突触后脉冲到达时间早，会导致Long-Term Potentiation(LTP)效应，即
权重会增加。反之，若突触前脉冲比突触后脉冲到达时间晚，会引起LTD，即
权重会减小。
最基础的STDP为：
其中， 是突触后脉冲发放的时间，
是突触前脉冲发放的时间，W（x）为：
又：
最终得出：
这样就建立了权重变化与前后脉冲的关系，从而SNN权重更新可依靠上式计算得出。