En este artículo, inspirados por la compleja estructura dendrítica de las neuronas biológicas, proponemos NSPDI-SNN, un método de SNN eficiente y ligero que incorpora la integración dendrítica no lineal (NDI) y la poda sináptica no lineal (NSP). NDI mejora la representación de la información espaciotemporal en neuronas, y NSP logra una alta dispersión en SNN. Realizamos experimentos en los conjuntos de datos DVS128 Gesture, CIFAR10-DVS y CIFAR10, reconocimiento de voz y tareas de navegación en laberinto basadas en aprendizaje de refuerzo. En todas las tareas, logramos una alta dispersión con una degradación mínima del rendimiento. En particular, logramos los mejores resultados en tres conjuntos de datos de flujo de eventos, lo que demuestra que NSPDI mejora significativamente la eficiencia de la transferencia de información sináptica a medida que aumenta la dispersión. En conclusión, la compleja estructura de las dendritas neuronales y la computación no lineal demuestran que NSPDI ofrece un enfoque prometedor para el desarrollo de métodos de SNN eficientes.
