连续时间、事件驱动的脉冲神经网络（SNN）严格基于脉冲事件进行操作，将脉冲的时序和顺序视为表征，而非时间离散化的副产品。这一观点与生物计算相一致，并与事件传感器和神经形态处理器的原生分辨率相符，同时使计算和内存的使用与事件数量成比例。然而，两个挑战阻碍了基于事件的SNN系统的实际端到端训练：1）精确的充电-触发-重置动态导致输入脉冲的处理本质上是顺序的，2）必须在没有时间区间的情况下解决精确的脉冲...