本文提出了一种新的人工神经网络（ANN）转脉冲神经网络（SNN）框架，结合细粒度正则化和时空反向传播（STBP）训练方法，实现低延迟、低能耗和高准确性。该框架在多个数据集上表现优异，推动了类脑计算的发展。

本文综述直接训练深度脉冲神经网络的研究进展，涵盖可训练深度脉冲神经网络、近似导数与脉冲反向传播、时空反向传播、阈值相关批归一化、时间效率训练及残差连接等方法，这些方法在MNIST、CIFAR-10、ImageNet等数据集上提升了准确率与能效，并探讨了语义分割应用及未来挑战。