脉冲神经网络的时间信息重建与非对齐残差在语音分类中的应用

本研究解决了现有脉冲神经网络在语音分类中无法处理不同时间尺度信息的问题，并提出了一种新的时间重建方法（TR）和非对齐残差方法（NAR）。这些方法使网络可以同时学习音频数据的多层次语义信息，从而在多个数据集上取得了最先进的分类精度，显著提升了模型性能。