在许多关于人工尖峰神经网络（SNN）的论文中，它们的性能都达不到传统 ANN 的水平。我读过一些人如何使用各种技术将 ANN 转换为 SNN。

已经在 SNN 中使用无监督学习通过尖峰定时依赖可塑性识别 MNIST 数字进行了工作（例如，Diehl 和 Cook 的论文Unsupervised learning of digit recognition using peak-timing-dependent plasticity，2015 年）。这种学习形式在传统的人工神经网络中是不可能的，因为它们是同步的。

我想知道首先以无监督的方式训练 SNN 以学习数据的一些结构是否是一个好主意。然后转换为传统的人工神经网络，通过更多的培训来利用其卓越的性能。我可以看到这对于在稀疏标记的数据集上训练网络很有用。

我在这个领域是个新手，所以我一直在寻找任何直接障碍的反馈，说明为什么这不起作用，或者它是否值得做。