شهدت الشبكات العصبية الطاعنة (Spiking Neural Networks - SNNs) اهتماماً متزايداً بصفتها نموذجاً محاكياً للطبيعة، وذلك بفضل قدرتها الكبيرة في الحوسبة العصبية (neuromorphic computing) والمعالجة الضئيلة للبيانات. بالرغم من التطورات الملحوظة في الخوارزميات والتقنيات العملية الخاصة بها، إلا أن الفهم النظري لمدى تعميم هذه الشبكات، أي قدرتها على الأداء الجيد عند مواجهة بيانات غير مألوفة، لا يزال غامضاً.

في خطوة جديدة، كشفت الدراسات الأخيرة عن وجود حدود تعميم مرتبطة بتوزيع الإثارة (excitation-dependent) والمعمارية (architecture-related) للشبكات العصبية الطاعنة. حيث استطاعت الأبحاث إظهار أن التعقيد الراديماشري (Rademacher complexity) لهذه الشبكات، التي تتمتع بإطلاق عشوائي، يمكن أن يتم تحديده من خلال دالة أسية تتعلق باحتمالية الإثارة وعمق المعمارية.

تستكشف هذه الورقة العلمية الحدود النظرية لعملية التعميم في الشبكات العصبية الطاعنة عبر تطبيق عدة مخططات لعملية الدمج والإطلاق. وقد تم التعرف على أن التعقيد الراديماشري التجريبي (empirical Rademacher complexity) لهذه الشبكات قريب من تكوينات الشبكات، حيث يظهر نمواً أسياً مع زيادة عمق الشبكة وزمن استلام تسلسلات الإشعال. كما يتميز بسهولة في التحليل مقارنة بالدراسات التقليدية، ويعد فرصة لفتح آفاق جديدة لفهم النظرية وراء الشبكات العصبية الطاعنة.

تساهم النتائج النظرية لهذه الدراسة في توسيع نطاق نظريات الشبكات العصبية الطاعنة وتوفير رؤى جديدة تدعم تطويرها.