पारंपरिक तंत्रिका नेटवर्क को एक पल्स्ड नेटवर्क में परिवर्तित करने की सटीकता का विभिन्न न्यूरॉन थ्रेशोल्ड चयन विधियों के साथ मूल्यांकन

यह कार्य पारंपरिक तंत्रिका नेटवर्क से वजन स्थानांतरण के दौरान स्पाइकेड न्यूरॉनों के थ्रेशोल्ड सेट करने के दो सबसे सामान्य तरीकों की तुलना करता है। बोली गई अंक वर्गीकरण कार्यों Heidelberg Digits (HD) और Russian Speech Commands (RuSC) के उदाहरण के माध्यम से यह दर्शाया गया है कि पारंपरिक तंत्रिका नेटवर्क की परत के आउटपुट और स्पाइकी नेटवर्क में अनुमानित स्पाइक्स की संख्या के बीच के अंतर को न्यूनतम करके थ्रेशोल्ड सेट करने से उच्च वर्गीकरण सटीकता प्राप्त होती है। हालांकि, अधिक जटिल RuSC डेटासेट पर, समय से पहले स्पाइकिंग और लेट इनपुट की समस्याओं के कारण पारंपरिक नेटवर्क को स्पाइकी नेटवर्क में परिवर्तित करने पर हानि अधिक होती है।