本文探讨了脉冲神经网络（SNN）在语音识别中的应用，展示了其在性能和抗梯度爆炸方面的优势。研究表明，代理梯度方法能够有效训练SNN，优化其动态行为，并为基于脉冲信号的神经计算提供新的监督学习算法。此外，提出的Spiketrum模型实现了高效的脉冲编码，推动了听觉感知任务的发展。

本文介绍了一种使用新颖代理梯度和可调谐自适应尖峰神经元的循环网络，将基于脉冲的神经网络的性能提高至具有挑战性的时间域基准的最新水平，并展示了这些 SNN 的计算效率比具有可比性能的 RNN 高出一到三个数量级，从而使 SNN 成为 AI 硬件实现的有吸引力的解决方案。