Ce projet développe des méthodes pour compresser progressivement les couches de réseaux de neurones convolutifs à impulsions, réduisant leur complexité tout en préservant leurs performances. Il permet de simuler des architectures neuronales avancées, d'extraire et d'adapter les poids pour des déploiements sur des plateformes matérielles spécialisées comme SpiNNaker. Les outils proposés facilitent l'optimisation et le transfert de modèles entre différents environnements de simulation et de calcul.

Ce projet est un simulateur de réseaux neuronaux convolutifs à impulsions (CSNN) qui fournit une implémentation d'expériences décrites dans divers articles scientifiques. Il permet de réaliser un apprentissage automatique non supervisé et de détecter des caractéristiques visuelles grâce à l'adaptation de seuils temporels.