异构延迟助力低比特脉冲神经网络高效计算

2026年10月28日，一篇发布在arXiv计算神经科学方向（Neural and Evolutionary Computing）的预印本提出，在前馈脉冲神经网络中联合学习突触权重与延迟，利用异质性延迟使权重压缩超过一个数量级，同时保持有竞争力的性能。该工作目前仅为预印本，尚未经同行评审，报道中未给出具体数据集、网络规模与准确率数值。此前未见关于该研究的其他报道，事件目前处于单一预印本阶段，后续是否正式发表、是否有独立复现或评论尚不明确。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。