PRL速递：尖峰神经网络中的光滑精确梯度下降
近年来，神经形态计算（neuromorphic computing）逐渐成为研究热点，它利用尖峰神经网络（Spiking Neural Networks, SNNs）进行高效节能的计算。然而，由于尖峰信号的离散特性，传统的梯度下降法难以实现高效的学习。本文介绍
尖峰神经网络
告别水下模糊！SU-YOLO：轻量化+尖峰神经网络，用“类脑计算”实现水下目标毫秒级识别
水下物体探测对于海洋研究和工业安全检查至关重要。然而，复杂的光学环境和有限的水下设备资源给实现高精度和低功耗带来了巨大挑战。为了解决这些问题，提出了一种尖峰神经网络（SNN）模型——尖峰水下YOLO（SU-YOLO）。利用SNN的轻量级和高能效特性，SU-YO