突触传递的特征有：单向传递、中枢延搁、兴奋的总和、后发放与反馈。详细解释如下：
1、单向传递：突触传递只能由突触前神经元向突触后神经元传递，这种传递是单向的，不可逆向传递。这是由于突触的结构和功能决定的，突触前神经元的轴突末梢只能向突触后神经元传递信息，而不能接收来自突触后神经元的信息。
2、中枢延搁：突触传递相比直接通过轴突传导要慢，这是由于在突触传递中，兴奋需要通过突触前膜、突触间隙和突触后膜等多个环节，传导速度较慢。此外，突触后神经元的反应也需要一定的时间，因此突触传递存在中枢延搁现象。
3、兴奋的总和：在反射活动中，单根神经纤维的传入冲动一般不能使受它刺激的神经元产生兴奋，只有当许多神经纤维同时或几乎同时发生传入冲动时，才会产生兴奋。这是由于突触后神经元的反应存在一定程度的阈电位。
4、后发放与反馈：在反射活动中，当原刺激停止作用后，由于惯性或其它机制，受刺激的神经元仍然会继续发放神经冲动，这种现象称为后发放。此外，在反射活动中，也存在着一种与原刺激作用相反的反馈机制。
特征的相关知识
1、定义：特征是用来描述数据集中的对象或样本的属性或特点的变量。它可以是数值型、类别型或其他类型的数据。根据特征的类型，可以将特征分为数值型特征、类别型特征和文本型特征等。
2、选择：在机器学习中，选择合适的特征对于模型的性能至关重要。常用的特征选择方法有相关性分析、方差分析、卡方检验等。对于文本型特征，可以通过自然语言处理技术进行特征提取，如词袋模型、TF-IDF等。
3、编码：对于类别型特征，需要将其转换为数值型特征，以便模型能够处理。常用的编码方法有独热编码、标签编码等。由于不同特征的取值范围可能不同，为了消除这种差异对模型性能的影响，需要对特征进行缩放。常用的缩放方法有标准化、归一化等。
4、组合：有时候，单个特征的信息可能不足以描述数据的特点，需要将多个特征进行组合。常用的组合方法有加法、减法、乘法、除法等。当数据集的特征维度较高时，可能会导致模型过拟合和计算复杂度增加。