我正在考虑构建一系列事件驱动的神经网络，其灵感来自实际的大脑架构，而不是简单的前馈网络（作为参考，它将更接近 HTM 算法）。我想将网络中的神经元简化到类似于真实神经元的程度：
- 包含一系列指向其他神经元的指针和任何必要的连接数据。
- 包含与其激活是否超过阈值相对应的值。
-当超过阈值时，它会触发由神经元内的方法处理的事件，更新连接权重并更新连接神经元的激活。
在我看来，事件驱动的性质允许网络评估多个处理器上的激活事件，并且网络在本地更新的事实意味着它不需要监督训练。我对事件驱动编程相当陌生（我玩过 wxPython），所以我需要问两个问题：
是否有一个很好的用于模拟的事件驱动 API，或者我应该从 opengl 之类的东西中提取我需要的功能？
对于如何限制在给定时间段内可能发生的事件数量而不跳过事件，您有什么建议吗？模拟是连锁反应，如果处理不当，将消耗所有处理器。