用动作驱动过程统一随机过程与强化学习，并应用于脉冲神经网络

论文提出"动作驱动过程"，将随机过程与强化学习统一起来，并展示其在脉冲神经网络上的应用。借助 control-as-inference 思路，作者证明：对恰当定义的动作驱动过程，最小化策略驱动的真实分布与奖励驱动的模型分布之间的 KL 散度，等价于最大熵强化学习。