热点事件观察中
脉冲神经网络从视网膜神经节细胞解码动态视觉
1 篇报道1 家媒体或机构11 天前更新
先了解这件事
AI 综述
2026年10月14日，arXiv eess.SP刊出Brown大学Arto Nurmikko团队的一手研究：团队构建端到端脉冲神经网络（SNN），直接以视网膜神经节细胞（RGC）的脉冲活动解码动态视觉场景。实验在小鼠视网膜离体条件下，用高密度微电极阵列记录最多1836个RGC，呈现闪烁图像、移动条、漂移光栅和随机移动手写数字。SNN同时完成图像重建与位置解码，重建SSIM最高0.93，随机移动目标跟踪平均误差1.33像素（32×32网格）。目前进展即该研究结果本身，尚无后续报道。
AI 根据报道生成 · 10 天前更新
最新进展10月14日 12:00
Brown大学团队用SNN从最多1836个RGC脉冲解码动态视觉，重建SSIM最高0.93。全部报道
同一件事各家媒体的报道，按发布时间排列。事情有了新的进展时，会单独列在「事件进展」里。
10月14日
- arXiv eess.SP（Signal Processing）精选Brown University Arto Nurmikko 团队用脉冲神经网络从视网膜神经节细胞活动解码动态视觉场景
Brown University 的 Arto Nurmikko 团队构建端到端脉冲神经网络（SNN），直接以小鼠视网膜神经节细胞（RGC）的脉冲活动为输入，在脉冲域内重建并追踪动态视觉场景。
本事件热度走势
当前热度 1·可比范围峰值 4（10月18日 04:00）·近 24 小时可比范围变化 -18%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。