脈衝神經網路解碼器

脈衝神經網路解碼器以一組模型神經元將神經訊號映射為意圖動作（運動學、目標、音素），這些神經元在連續時間中以離散脈衝溝通：在膜變數上累積輸入，跨越閾值時發放脈衝。由於運算與通訊只在脈衝事件發生時進行，脈衝神經網路在事件驅動硬體上可極為省電，且其固有的時間動態與所記錄輸入的脈衝統計相契合。

實務上，脈衝神經網路解碼器在解碼準確度上很少勝過調校良好的傳統遞迴或卷積網路；支持它的理由在於神經形態矽晶上的能量與延遲優勢，以及與脈衝式前端的天然契合。訓練是主要難題（脈衝不可微分），須以替代梯度的時間反向傳播處理，或由已訓練的類比網路轉換而來。