新财经综合实验室博士研究生王罗超研究成果被国际期刊Neural Networks录用

近日，实验室类脑计算及学习机制课题组关于脉冲神经网络方向研究成果“MPLIF: Multi-Parametric Leaky Integrate-and-Fire Neuron for Spiking Neural Networks”由Elsevier旗下国际期刊Neural Networks在线发表。论文作者包括王罗超（博士生）、占求港博士（实验室老师）、李释龙（电子科技大学）、解修蕊研究员（电子科技大学）、秦志光教授（电子科技大学）、刘贵松教授（通讯作者）。

图1 MPLIF论文主页

针对现有脉冲神经网络（SNN）神经元模型往往依赖任务特定超参数调节、泛化能力受限、训练稳定性不足，以及在边缘设备部署中受能耗和存储约束等问题，该工作提出了一种多参数泄露积分发放神经元模型MPLIF。该模型在传统LIF神经元基础上，对膜电位充电、脉冲发放和电位重置等关键神经动力学过程引入可学习参数，并设计尺度重置机制，使神经元能够根据不同输入特征和任务场景自适应调整动态响应。实验结果表明，在CIFAR-10、CIFAR-100、Caltech101、DVS128-Gesture、CIFAR10-DVS和N-Caltech101等六个基准数据集上，基于MPLIF的脉冲神经网络在相同训练设置下稳定优于传统LIF及多种先进变体，在静态数据集上最高取得2.1%至4.3%的准确率提升，在神经形态数据集上最高取得1.6%至3.8%的准确率提升，并表现出更快的收敛速度。与此同时，该方法仅引入少量神经元级可学习参数，在推理时间、内存占用和能耗方面仍与传统LIF模型保持相近水平，兼具性能提升与计算效率。该研究为提升脉冲神经网络的表达能力、训练稳定性和泛化性能提供了新的神经元建模思路，也为低功耗神经形态硬件、边缘智能、事件视觉、视频理解等场景中的高效类脑智能应用奠定了重要基础。

图2 论文方法概览

Elsevier旗下的《Neural Networks》是神经网络、机器学习、认知计算与类脑智能领域的重要国际学术期刊之一，长期关注人工神经网络、脉冲神经网络、神经动力学模型及智能系统等方向的前沿研究，在人工智能与计算神经科学交叉领域具有较高学术影响力。该期刊2026年影响因子为7.2，五年平均影响因子为7.4，JCR分区为Q1，2026年中科院分区为计算机科学2区Top，在人工智能、计算机科学应用以及认知神经科学等方向具有较高学术影响力。

新财经综合实验室由西南财经大学和中国农业银行2021年联合成立，刘贵松教授担任实验室主任。实验室聚焦可信人工智能基础理论、财经科技及数字经济深度融合等领域开展有组织科研和人才培养，近三年实验室持续在多个顶会和顶刊发表最新科研成果，包括IEEE TPAMI、IEEE TIP、IEEE TKDE、IJCV、CVPR、NeurIPS、ICDE、AAAI、IJCAI等。团队现有教师16人、本硕博学生和博士后近80人。