arXiv · cs.AI· Himanshu Udupi, Calvin Ang, Sungyoon Kim, Xiaocong Yang, ChengXiang Zhai·· 5 小时前
带全局与近似保证的脉冲神经网络凸优化
Convex Optimization of Spiking Neural Networks with Global and Approximation Guarantees
arXiv:2605.08022v3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：Himanshu Udupi, Calvin Ang, Sungyoon Kim, Xiaocong Yang, ChengXiang Zhai
研究任务与主要进展
Himanshu Udupi等人提出将一类阈值循环神经网络（包括leaky integrate-and-fire SNN）的权重衰减训练转化为等价的凸优化问题，论文摘要称该问题具有零对偶间隙和相同最优值。
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