尖峰神经网络中的代谢约束

Research Paper#Computational Neuroscience, Spiking Neural Networks, Metabolic Modeling🔬 Research|分析: 2026年1月4日 00:19•
发布: 2025年12月25日 12:57
•
1分で読める
•ArXiv

分析

本文解决了标准尖峰神经网络（SNN）模型的一个关键局限性，即未考虑代谢约束。它展示了能量供应如何影响神经元兴奋性、突触可塑性和整体网络动力学。研究结果表明，代谢调节对于网络稳定性和学习至关重要，强调了在人工智能模型中考虑生物学真实性的重要性。
引用 / 来源
查看原文
"The paper defines an "inverted-U" relationship between bioenergetics and learning, demonstrating that metabolic constraints are necessary hardware regulators for network stability."
A
ArXiv2025年12月25日 12:57
* 根据版权法第32条进行合法引用。
较旧

Near-Field Communication with Massive Movable Antennas: An Electrostatic Equilibrium Perspective

较新

Particle production and Higgs reheating

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv