脉冲神经网络具有比传统人工神经网络更加接近生物神经元的神经元结构,神经元之间传输的信号更是含有时间信息。因此,脉冲神经网络能够获得比传统人工神经网络更多的信息和更强的计算能力。脉冲神经网络神经元传输信号中的时间信息可以追溯到生物神经元之间化学物质的转化过程存在的延迟时间特性,这种延时现象对脉冲神经网络处理信息的能力存在特殊影响。围绕延时特性,本文基于脉冲神经网络的液体状态机模型,对突触整合过程中存在的突触衰减时间（?）与液体层存在的神经元突触信息传输延迟时间（?）进行研究。主要内容包括:首先,分析研究了?对脉冲神经网络的内部状态与性能的影响,包括:对脉冲神经网络神经元的放电复杂度、放电同步性等。计算结果表明:随着?的增加,神经元脉冲放电复杂度增加,表征网络的表达能力增强。但?的增加会使得神经网络的脉冲放电时间间隔变小,同步性降低,影响网络的降噪能力。其次,针对时间序列函数的重构任务,以输出的均方差（MSE）为性能指标,研究分析延时参数?与?对网络计算能力的影响。由四组时间序列₁r,₂r,₃r,₄r及其加、乘、平方运算函数重构实验得知:1)随着?的增加,MSE会大幅减小至一个低幅振荡区间;2)?增加到一定数值时,MSE不再单调减小,失去优化价值;3)?增加时的MSE变化规律类似于?增加时。最后,综合各延时参数的表现,得出面向时间序列函数重构任务的延时参数优化的基本步骤为:1)通过MSE的变化规律,在低幅振荡区间选择一个合适的?;2)综合放电复杂度、网络同步性能、MSE随?变化的规律,确定同时满足这三个指标的?区间,并选择一个合适值。