10月30日下午，西南石油大学计算机与软件学院在明理楼B306举办了“梦溪湖论坛”系列讲座秋季第五讲。此次讲座主题为“基于脉冲神经网络的类脑仿生模型及其算法研究”，由学院新晋教师张韵老师主讲。张老师围绕该主题，从研究背景、研究成果及未来展望等方面为在场师生进行了系统讲解。

张韵老师首先介绍了脉冲神经网络（SNN）的研究背景及其在类脑仿生模型中的实际意义。她指出，尽管人工智能在众多领域得到广泛应用，但与人脑相比，尤其在能耗和智能水平上仍存在明显差距。以ChatGPT为例，其月耗电量可达17万户家庭的年用电量，而人脑每次决策的能耗仅为20瓦。SNN作为类脑计算的重要分支，模拟了大脑神经系统的时序数据处理方式，在低功耗和高效率方面具有独特优势。

在研究内容分享环节，张老师介绍了三种基于SNN的序列学习算法及一个基于视网膜启发的图像去雾模型。她详细解读了RLSBLR算法在权重更新、延迟学习等方面的改进，以及其在处理效率和准确率方面的提升；其次，她介绍了结合海马体结构的BSTM模型，用于实现多序列记忆的高效编码和预测；此外，她展示了引入震荡与抑制机制的BSSM模型，通过增强神经网络的同步性和信息传递效率，显著提升了模型的鲁棒性。张老师还介绍了受生物视网膜结构启发的去雾模型RDM，能够在视觉数据处理中有效减少雾霾干扰，提升图像清晰度。

在总结部分，张老师展望了SNN的未来研究方向，包括延迟学习规则的优化、DSNNs的扩展和多模态数据记忆的应用等，并鼓励与会者进一步探索类脑仿生智能的潜力。

讲座结束后，师生们踊跃提问，围绕SNN模型结构及其在类脑计算中的优势、视网膜启发模型的实现细节等展开热烈讨论。张老师悉心解答，耐心分享，进一步激发了大家对类脑智能研究的兴趣。此次讲座不仅拓展了与会师生的学术视野，还为大家了解人工智能前沿技术提供了宝贵的平台。