تتطلب دمج التعلم على الجهاز في الأنظمة المستقلة أطر عمل الشبكات العصبية التي تحقق كفاءة طاقة عالية وزمن استجابة منخفض. بينما توفر الشبكات العصبية المتصلة (SNNs) نموذجًا واعدًا مدفوعًا بالأحداث، لا يزال تنفيذ التعلم الفعال من حيث الأجهزة يمثل تحديًا بسبب العبء الحسابي للإشارة عن الأخطاء والتدرجات العالمية. تقدم هذه الورقة إطار عمل تشفير تنبؤي هرمي موجه نحو الأجهزة مصمم للأنظمة المدفوعة بالأحداث من النهاية إلى النهاية. يقوم الهيكل المقترح بتنفيذ آلية ترميز خطأ التنبؤ الضمني من خلال اتصالات التغذية الراجعة المحلية الجانبية والإشرافية، مما يلغي الحاجة إلى ذاكرة مخصصة لتخزين الأخطاء أو تواصل الأخطاء المعقد بين الطبقات. يتم هيكلة الإطار بالكامل ومعايرته للتنفيذ المادي، باستخدام محاكاة متوافقة رقمياً وعمليات حسابية. نقوم بتقييم النظام على مجموعات بيانات عصبية الشكل باستخدام دقة زمنية ثابتة تبلغ 1 مللي ثانية لمحاكاة قيود الأجهزة في الوقت الحقيقي. تُظهر النتائج التجريبية أن إطار العمل SPC يمكنه تحديد المحفزات بفعالية من تدفقات الأحداث العابرة، مما يحقق تعلمًا مستقراً على الجهاز. يوفر عملنا مسارًا عمليًا نحو نشر شبكات عصبية متصلة منخفضة الطاقة وقابلة للتوسع في بيئات محدودة الموارد.
درس كيم وآخرون (الخميس) هذا السؤال.