arXiv · cs.AI· Dominik Dold, Dennis Elbr\"achter, Philipp Petersen·· 6 小时前
单脉冲神经网络因果片段数量的上界研究
Upper bounds on the number of causal pieces in spiking neural networks
arXiv:2610.22484v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Dominik Dold, Dennis Elbr\"achter, Philipp Petersen
研究任务与主要进展
研究者为前馈单脉冲神经网络中可实现的因果片段数量推导了两类互补上界，包括适用于多类神经元模型的 poly-Bernoulli 组合界，以及针对特定模型的超平面排列界。对非泄漏积分发放模型和 ReLU 型脉冲响应模型等情形，研究给出了随网络深度、层宽和输入维度增长的上界；对具有额外时间结构的非泄漏积分发放模型与 Dirac-δ 突触模型，上界可仅依赖输入维度。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org