Las Unidades de Procesamiento Gráfico (GPU) modernas masivamente paralelas y los marcos de Aprendizaje Automático (ML) permiten implementaciones de redes neuronales de un rendimiento y sofisticación sin precedentes. Sin embargo, las plataformas de hardware de GPU de última generación son extremadamente ávidas de energía, mientras que los microprocesadores no pueden cumplir con los requisitos de rendimiento. Las Redes Neuronales de Pulsos (SNN) inspiradas biológicamente tienen características inherentes que conducen a un menor consumo de energía. Por lo tanto, presentamos una arquitectura de hardware tipo SNN de bits en serie. Al utilizar contadores, comparadores y un esquema de indexación, el diseño implementa de manera efectiva la suma de productos inherente en las neuronas. Además, experimentamos con varios métodos de reducción de la fuerza para disminuir el uso de recursos de la red neuronal. El propuesto Spiking Hybrid Network (SHiNe), validado en un FPGA, se ha encontrado que logra un rendimiento razonable con una baja utilización de recursos, con cierto compromiso en cuanto al rendimiento del hardware y la representación de la señal.