单脉冲神经元与多脉冲神经元近似等价性
神经与进化计算
2026-03-17 v1 人工智能
机器学习
神经元与认知
机器学习
摘要
在脉冲神经网络中，每个神经元最多只会产生一次脉冲，这足以进行近似吗？在最近的工作中，针对脉冲神经网络的近似界限已被推导出来，量化了它们能够多好地拟合目标函数。然而，这些结果仅适用于最多只产生一次脉冲的神经元，而这常被认为是一种强大的限制。本文表明，对于广泛的脉冲神经元模型，包括常用的具有减性复位的漏积积分-放电模型，对于每一个适用于多脉冲神经元网络的近似界限，都存在一个对应的单脉冲神经元网络集合，其神经元数量仅增加线性倍数（最大脉冲次数的线性比例），而该界限仍然成立。同样的结论也适用于反向方向，表明就其在一般机器学习任务中的近似能力而言，单脉冲神经元网络与多脉冲神经元网络是等价的。因此，文献中许多针对单脉冲神经元网络的近似结果，也适用于多脉冲情况。
引用
@article{arxiv.2603.13478,
title = {Equivalence of approximation by networks of single- and multi-spike neurons},
author = {Dominik Dold and Philipp Christian Petersen},
journal= {arXiv preprint arXiv:2603.13478},
year = {2026}
}