本稿では、イベントベースのニューロモルフィックデータ処理に効果的なスパイキングニューラルネットワーク（SNN）の過適合問題を解決するために、時間依存正規化メカニズムを導入した時間正規化トレーニング（TRT）方法を提案します。ニューロモルフィックデータセットの限られた規模と傾きの不一致の問題のために直接訓練されたSNNは、過適合問題に深刻に苦しんでいます。 CIFAR10/100、ImageNet100、DVS-CIFAR10、N-Caltech101データセットにおけるTRTの性能を最先端の方法と比較し、損失地形の可視化と学習曲線分析を含むablation studyによるTRTの効果を検証します。また、Fisher情報分析の結果に基づいて、TRTの時間正規化メカニズムの理論的解釈を提示し、TRTトレーニングの過程でFisher情報を追跡して時間情報集中（TIC）現象を明らかにします。これは、Fisher情報が初期時間段階に徐々に集中する現象であり、TRTの時間減衰正規化メカニズムが豊富な情報を持つ初期時間段階で強力な特徴を学習するようにネットワークを導き、モデルの一般化性能を向上させることを示しています.ソースコードはFitHubに公開されています。
