神经网络的输入信号因为受到众多因素的影响,可能会产生一定的噪声干扰。脉冲神经网络是目前拟人性能较强的一种新型网络,通过模拟树突和轴突之间产生的脉冲处理各种信息。由于噪声的干扰,脉冲神经网络的信息处理能力会受到一定的影响,比如输入信号有偏差,延迟时间太长或太短,阈值过大或过小,权值过大或过小等。而脉冲神经网络对于输入信号的敏感性特别强,所以输入信号受到干扰,脉冲神经网络的处理能力很容易受噪声的影响而产生一定的扰动。本文通过在脉冲神经网络中对输入信号加入一定数值范围内的随机扰动来研究其分类能力的鲁棒性。一系列的数值实验结果表明对网络的输入信号进行随机扰动基本不会影响网络的分类能力,扰动前后的网络识别正确率相差不到4%。更为有趣的一个结果是网络受到扰动后的识别率反而有所提高,这恰好从另一个方面佐证了脉冲神经网络的较强的拟人性。