连接稀疏度，识别准确率 91.29%。
论文 DVS-Gesture 的 S-TP 实验中，全连接基线为 89.02%；准确率提高 2.27 个百分点。
来源：论文第 4.2 节，表 2。
训练中的连接演化
事件驱动，与结构学习相遇。
脉冲神经网络通过离散脉冲传递信息。CH-SNN 将相关性引导的拓扑初始化、面向稀疏结构的权重初始化、连接移除与 Cannistraci–Hebb 连接预测结合起来，让网络在训练中演化连接结构。
训练阶段的连接再生与推理阶段的脉冲事件是两个不同过程。
论文实验 · ICLR 2026
估算突触操作能耗平均降低。
相对全连接网络，在四项基准任务中取平均；估算结合操作次数与 ANP-I 处理器测得的每次突触操作 1.5 pJ 能耗。
来源：论文第 4.2 节，表 2 与图 3。
研究展望
为资源受限的智能系统，
探索新的可能。
这项研究为事件驱动视觉和类脑计算提供了新的研究依据，也为未来边缘与终端智能的模型—硬件协同打开空间。
论文作者: Yuan Hua, Jilin Zhang, Yingtao Zhang, Leyi You, Baobo Xiong, Carlo Vittorio Cannistraci, Hong Chen.
Cannistraci-Hebb Training on Ultra-Sparse Spiking Neural Networks · ICLR 2026
查阅论文全文