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。

该研究使用深度学习方法探索了解码听到的言语的神经表达，揭示了解码言语知觉期间神经活动的潜力。研究对于发展脑-机接口技术和理解言语知觉过程具有重要意义。