Розглянуто гібридні системи обчислювального інтелекту, що самонавчаються, на основі спайк-нейронної мережі. Запропоновано узагальнену архітектуру такої системи, що дозволяє виконувати ієрархічну нечітку кластеризацію даних. На основі узагальненого Геббового правила самонавчання запропоновано алгоритм навчання гібридної системи. Синтезовану гібридну систему викладено у термінах Лапласового перетворення.
