SNN_TIPS

脉冲神经网络的研究思路：

• ANN2SNN
  代表：

• 梯度下降法
  代表：

• STDP
  代表：

神经网络代差划分

以神经元实现功能为准：

优势

SNN是一个动态系统，在动态识别中发挥出色，比如语音识别和动态图片识别。
当一个SNN在工作的时候仍然可以继续学习。
训练SNN的时候只需训练输出神经元，且SNN通常有比ANN更少的神经元。
因为输入是脉冲，所以SNN提高了信息处理的抗噪能力和效率，鲁棒性比ANN高，且相比于ANN消耗更少的能量。
SNN是比ANN更加类脑和自然的方法
SNN更容易实现通用人工智能（AGI），因为其可解释性更强。

劣势

SNN训练过程比较困难
到目前为止没有对SNN进行训练的专门算法
一个小型的SNN并不实用