Предиктивное кодирование (ПК) предполагает такую организацию нейронной сети, что на каждом ее уровне постоянно генерируется и обновляется внутреннее представление о поступающем внешнем сигнале. К настоящему времени предложены различные теоретические описания и алгоритмические представления ПК. В отличие от обычных статичных моделей машинного обучения, ПК основано на ансамблях нейронов с изменяющимся во времени поведением. Обычные искусственные нейронные сети плохо подходят для описания динамических процессов, и вместо них следует использовать импульсные (спайковые) нейронные сети. В данной работе представлены простые архитектуры динамических спайковых нейронных сетей, включающие элементы ПК для иерархического управления динамическими системами. Интеграторы, управляемые и связанные осцилляторы с ПК построены с использованием популяций импульсных нейронов с утечками (Leaky Integrate-and-Fire neurons). Показаны как обучаемые модели, так и модели, не требующие обучения. Динамические модели нейронов реализованы в свободно распространяемом пакете Nengo.