En la computación neuromórfica, el método de codificación de neuronas de disparo sirve como base y es crucial para varios aspectos de la operación de la red. Los métodos de codificación principales existentes, como la codificación de tasa y la codificación temporal, tienen enfoques diferentes, y cada uno tiene sus propias ventajas y limitaciones. Este documento propone un esquema de codificación novedoso llamado codificación de actividad que integra las fortalezas de ambos métodos de codificación de tasa y temporal. Incluye información precisa sobre el tiempo del disparo neuronal más reciente, así como información histórica sobre la tasa de disparo. Los resultados de pruebas de características básicas demuestran que este método de codificación expresa con precisión la información de entrada y muestra robustez. Además, se introduce un método de aprendizaje no supervisado basado en la plasticidad dependiente del tiempo de disparo (STDP) de tripletes de codificación de actividad, con la tarea de clasificación MNIST utilizada como ejemplo para evaluar el rendimiento de este método de codificación en la resolución de tareas cognitivas. Los resultados de las pruebas muestran una mejora en la precisión de aproximadamente el 4,5%. Además, la codificación de actividad también muestra posibles ventajas en términos de conservación de recursos. En general, la actividad ofrece un enfoque prometedor para la codificación de redes neuronales de disparo con implicaciones para diversas aplicaciones en el campo de la computación neuronal.