可持续 AI：脉冲神经网络的数学基础
神经与进化计算
2025-03-05 v1
摘要
深度学习的成功伴随着日益增长的能源需求，引发了人们对该领域长期可持续性的担忧。受生物神经元启发的脉冲神经网络提供了一种极具前景的替代方案，具有潜在的计算和能效优势。本文从学习理论的角度审视了脉冲网络的计算特性，重点关注表达性、训练和泛化能力，以及节能实现，并将它们与人工神经网络进行了比较。通过根据时间表示和信息编码对脉冲模型进行分类，我们强调了它们的优势、挑战以及作为替代计算范式的潜力。
引用
@article{arxiv.2503.02013,
title = {Sustainable AI: Mathematical Foundations of Spiking Neural Networks},
author = {Adalbert Fono and Manjot Singh and Ernesto Araya and Philipp C. Petersen and Holger Boche and Gitta Kutyniok},
journal= {arXiv preprint arXiv:2503.02013},
year = {2025}
}