速報 統一複數神經元 (UCN) 引領時序與連續學習新方向 研究針對同時需要連續值編碼與時序動態的問題，提出統一複數神經元模型，以幅度表示訊號強度、相位控制時間演化與脈衝發射。結合 BP 與 BPTT 的訓練框架，並加入事件驅動相位學習規則降低運算成本。實驗證明模型在目標追蹤與混沌系統學習上表現穩定且具解釋性，適用於神經形態與邊緣 AI 應用。
