En los últimos años, las redes neuronales de espigas (SNNs) han atraído cada vez a más investigadores para su estudio debido a su bio-interpretabilidad y bajo consumo de energía. El simulador de SNN es una herramienta esencial para llevar a cabo la clasificación de imágenes, reconocimiento, reconocimiento de voz y otras tareas utilizando SNN. Sin embargo, la mayoría de los simuladores existentes para redes neuronales de espigas están basados en reloj, lo que presenta dos problemas principales. Primero, el resultado del cálculo se ve afectado por el intervalo de tiempo, lo que muestra claramente que cuando la precisión del cálculo es baja, la velocidad de cálculo es rápida, pero cuando la precisión del cálculo es alta, la velocidad de cálculo es inaceptable. El otro problema es el fracaso de la inhibición lateral, lo que afecta severamente al aprendizaje de SNN. Para resolver estos problemas, en este documento se propone un simulador de alta precisión basado en eventos llamado EDHA (Event-Driven High Accuracy) para redes neuronales de espigas. EDHA aprovecha al máximo las características basadas en eventos de SNN y solo calcula cuando se genera un pico, lo cual es independiente del intervalo de tiempo. En comparación con los simuladores previos de SNN, EDHA es completamente basado en eventos, lo que reduce una gran cantidad de cálculos y logra una mayor precisión computacional. La velocidad de cálculo de EDHA en la tarea de clasificación MNIST es más de 10 veces más rápida que la de los simuladores basados en reloj más comunes. Al optimizar el método de codificación de picos, el primero puede incluso lograr más de 100 veces más rápido que el último. Debido a las características multiplataforma de Java, EDHA puede ejecutarse en x86, amd64, ARM y otras plataformas que admiten Java.