166
在深度学习领域，基于神经网络的生成模型是一项重大挑战。
目前，这些模型主要限制在人工神经网络的领域。然而，作为神经网络的第三代，脉冲神经网络由于其丰富的时空动态特性，提供了更接近大脑处理的近似方法。但是，基于脉冲神经网络的生成模型尚未得到充分研究。
在这项工作中，研究人员首次尝试构建一种能处理复杂图像的脉冲生成对抗网络，首先识别了脉冲生成对抗网络中的领域不一致性和时间不一致性问题。通过引入地动距离和基于注意力的加权解码方法，解决了这些问题，显著提高了算法在多个数据集上的性能。
实验结果显示，研究方法在MNIST、FashionMNIST、CIFAR-10和CelebA数据集上均优于现有方法。此外，与混合脉冲生成对抗网络（其中鉴别器是人工模拟神经网络）相比，研究方法更接近鼠标观察到的信息处理模式。
参考资料：
