低延迟高精度故障诊断
受生物神经机制启发的池化模块，有效缓解 ANN 转 SNN 的信息损失，在五个轴承数据集上以低延迟实现滚动轴承故障的高精度诊断。
Mingfei, Shi · Feng, Jiang · 李永波 · 都琳
Expert Systems with Applications 2025
IIPooling 在池化阶段模拟生物神经元的促进、侧抑制和纵抑制机制，更完整地保留 ANN 激活中的全局结构信息，五个数据集四个指标均优于当前最优基线。
自适应学习机制引入负反馈和参数自适应调整，增强模型在不同工况数据间的迁移能力，跨条件泛化性更好。
以脉冲事件驱动计算，避免稠密矩阵乘法，配合 ANN-to-SNN 转换流程，显著降低算力消耗和硬件迁移难度。