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。

该研究提出了Spiketrum神经脉冲编码模型，实现了稀疏有效的编码方案，便于训练脉冲神经网络。同时探究了算法与硬件的协同设计，为基于脉冲的人工智能提供系统性的解决方案。