شبكات العصبونات النابضة (SNNs) أظهرت قدرات ممتازة في سيناريوهات ذكائية مختلفة. ومع ذلك، فإن معظم الطرق الحالية لتدريب شبكات العصبونات النابضة تعتمد على مفهوم البلاستيكية العصبية؛ ولكن التعلم في الدماغ الحقيقي يستخدم أيضًا آليات داخلية غير عصبية للعصبونات. يعتبر عتبة النبض في العصبونات البيولوجية ميزة عصبية داخلية حاسمة تظهر ديناميكيات غنية على نطاق مليثواني وتم اقتراحها كآلية أساسية تسهل معالجة المعلومات العصبية. في هذه الدراسة، نطور منهجًا جديدًا للتعلم التآزري يشمل تدريب الأوزان العصبية وعتبات النبض بشكل متزامن في شبكات العصبونات النابضة. تحقق شبكات العصبونات النابضة التي تم تدريبها باستخدام التعلم التآزري بين الأوزان والعتبات (STL-SNNs) أداءً أفضل بكثير على مجموعة متنوعة من البيانات الثابتة والنيورومورفية مقارنة بـ SNNs التي تم تدريبها باستخدام نموذجين منفصلين للتعلم. أثناء التدريب، يقوم منهج التعلم التآزري بتحسين عتبات الخلايا العصبية، مما يوفر للشبكة نقل إشارات مستقر عبر معدلات الإشارة المناسبة. تشير التحليلات الإضافية إلى أن STL-SNNs مقاومة للبيانات الضوضائية وتظهر استهلاك طاقة منخفض لأطر الشبكات العميقة. بالإضافة إلى ذلك، يمكن تحسين أداء STL-SNN بشكل أكبر من خلال تقديم إطار قرار مشترك عام. بشكل عام، تشير نتائجنا إلى أن التآزر البيولوجي الممكن بين الآليات العصبية والآليات الداخلية غير العصبية قد يوفر منهجًا واعدًا لتطوير طرق تعلم فعالة للغاية لـ SNNs.