热点事件观察中
GC-LIF：具有群耦合膜动力学的脉冲群等变神经网络
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月30日，一篇发布在arXiv计算神经科学相关分类（Neural and Evolutionary Computing）下的预印本提出GC-LIF神经元：通过群耦合膜动力学，使脉冲神经网络在每一个时间步都保持群等变性，从而把等变结构直接嵌入脉冲神经元的膜电位更新中。作者据此构建SGE-Net，并在十个“数据集—群”组合上，与采用旋转数据增强的普通脉冲神经网络（SNN）进行比较，其中九个组合表现更优。该报道未给出具体准确率数值、数据集名称、被试或任务细节，也未说明该预印本是否已经过同行评审。目前该工作仅此一篇报道，尚无后续评论、回复或正式发表信息。
AI 根据报道生成 · 5 小时前更新
最新进展10月30日 12:00
预印本提出GC-LIF神经元与SGE-Net，在十个数据集-群对中九个优于带旋转增强的普通SNN。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · Neural and Evolutionary ComputingGC-LIF：具有群耦合膜动力学的脉冲群等变神经网络
提出GC-LIF神经元，使脉冲网络在每步保持群等变性，SGE-Net在十个数据集-群对中九个优于带旋转增强的普通SNN。
本事件热度走势
当前热度 4·可比范围峰值 5（10月30日 18:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。