# Sieci impulsowe (SNN)

EN: **Spiking neural networks (SNN)** · id `snn` · aliases: SNN, spiking networks, sieci impulsowe

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Sieci i modele generatywne](https://aiatlasgraph.com/t/neural.md) › [Alternatywne architektury sieci](https://aiatlasgraph.com/t/altarchs.md) › Sieci impulsowe (SNN)

## Description

- PL: Sieci, w których neurony całkują wejście w potencjale błonowym i emitują binarne impulsy po przekroczeniu progu, przetwarzając informację zdarzeniowo w czasie.
- EN: Networks whose neurons integrate input into a membrane potential and emit binary spikes at a threshold, processing information as events over time.

## In one sentence

- PL: Sieci, w których sztuczne neurony porozumiewają się krótkimi impulsami w czasie, podobnie jak komórki nerwowe w mózgu.
- EN: Networks whose artificial neurons talk through brief pulses over time, much like nerve cells in the brain.

## Problem it solves

- PL: Duże modele zużywają mnóstwo energii, a urządzenia zasilane z baterii nie mogą liczyć bez przerwy.
- EN: Large models burn a lot of energy, and battery-powered devices cannot keep computing non-stop.

## What it does

- PL: Jak lampa z czujnikiem ruchu: neuron milczy i nie zużywa energii, dopóki nie zbierze dość sygnału, żeby „wystrzelić”.
- EN: Like a motion-sensor lamp: a neuron stays quiet and uses no energy until it gathers enough signal to fire.

## Everyday example

- PL: Kamera reagująca tylko na zmiany w obrazie pozwala robotowi zauważyć szybki ruch bez przetwarzania całych klatek.
- EN: A camera that reacts only to changes in the scene lets a robot spot fast motion without processing whole frames.

## This concerns you if you…

- PL: chcesz uruchamiać AI przy bardzo małym zasilaniu
- PL: ciekawi cię, jak liczy mózg
- PL: pracujesz z czujnikami zgłaszającymi zdarzenia
- EN: want to run AI on very little power
- EN: are curious how the brain computes
- EN: work with sensors that report events

## Keywords

leaky integrate-and-fire · neuromorphic hardware · Loihi · snnTorch · spike timing · rate coding · event cameras · ANN-to-SNN conversion · STDP

## How it works

- PL: Typowy neuron leaky integrate-and-fire sumuje prądy wejściowe w potencjale, który z czasem wycieka; po przekroczeniu progu emituje impuls i się resetuje. Informację kodują częstość lub czas impulsów. Rzadka, zdarzeniowa aktywność dobrze pasuje do układów neuromorficznych.
- EN: A typical leaky integrate-and-fire neuron accumulates input current in a potential that leaks over time; at threshold it emits a spike and resets. Information is encoded in spike rates or timing. Sparse, event-driven activity suits neuromorphic chips.

## Limits

- PL: Impuls jest nieróżniczkowalny, więc zwykła propagacja wsteczna nie działa wprost. Na typowych GPU oszczędności energii zwykle znikają; zyski wymagają sprzętu neuromorficznego, a dokładność często ustępuje sieciom klasycznym.
- EN: Spikes are non-differentiable, so plain backpropagation does not apply directly. On ordinary GPUs energy savings usually vanish; gains need neuromorphic hardware, and accuracy often trails conventional networks.

## Key terms

- PL: **leaky integrate-and-fire (LIF)**: Prosty model neuronu: sumuje wejście, które powoli wycieka, i strzela przy progu.
- PL: **potencjał błonowy**: Wewnętrzny stan neuronu, rosnący od wejść aż do progu.
- PL: **czujnik zdarzeniowy**: Kamera lub sensor wysyłający dane tylko przy zmianie sygnału.
- EN: **leaky integrate-and-fire (LIF)**: Simple neuron model: sums leaking input and fires at a threshold.
- EN: **membrane potential**: A neuron's internal state that rises with input up to the threshold.
- EN: **event sensor**: A camera or sensor that sends data only when the signal changes.

## Know first

- [Perceptron wielowarstwowy (MLP) (Multilayer perceptron (MLP))](https://aiatlasgraph.com/t/mlp.md)
- [Sieci rekurencyjne (RNN) (Recurrent neural networks (RNN))](https://aiatlasgraph.com/t/rnn.md)

## Subtopics (1 direct, 1 in total)

- [Trenowanie sieci impulsowych gradientem zastępczym (Surrogate-gradient training of spiking networks)](https://aiatlasgraph.com/t/surrogategrad.md): Training SNNs with backpropagation through time, replacing the non-differentiable threshold with a smooth surrogate derivative in the backward pass.

## Related topics

Untyped, symmetric "see also" links.

- [AI lokalnie i na urządzeniach (Edge and on-device AI)](https://aiatlasgraph.com/t/edge.md)

## Sources

- [Surrogate Gradient Learning in Spiking Neural Networks](<https://arxiv.org/abs/1901.09948>) `neftci-surrogate-gradient-2019` · by Emre O. Neftci, Hesham Mostafa, Friedemann Zenke

---

AI Atlas revision 129 (2026-11-05) · HTML: https://aiatlasgraph.com/t/snn · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-11-05