- 通过门控压缩层增强设备上机器学习的用户体验
利用门控压缩层优化边缘设备上的机器学习模型性能，降低能耗，并在始终开启的应用场景中实现成本效益和用户体验的提升。
- GRSN: 用于 POMDP 和 MARL 的门控递归脉冲神经元
利用时间对齐范式 (TAP) 解决当前脉冲神经网络在增强学习中存在的时间不匹配问题，提高处理时间数据的能力，能在与递归神经网络 (RNNs) 相似性能下降低 50% 的电力消耗下解决部分可观测马尔科夫决策过程 (POMDPs) 和多智能体合 - 高效能图像存储：利用超分辨率生成对抗网络实现可持续压缩和减少碳足迹
该研究旨在提出一种将图像压缩技术与超分辨率生成对抗网络结合的基于云存储的图像存储方法，以减少能源和资源消耗，降低碳排放，并通过 PSNR 和 SSIM 度量评估其有效性。同时提供了数学分析来计算能量消耗和碳足迹评估，该提议的数据压缩技术在环 - 3R-INN：如何在消费 / 传递视频时实现环境友好？
通过提供具有最低可行质量的内容，3R-INN 有助于降低编码、传输、解码和显示的能量消耗，出色地完成了去噪和能量节约任务，并在不同的测试集上在调整大小任务上取得了最先进的性能。
- 不是所有的权重都是平等的：增强设备上流式语音识别的能效
在本研究中，我们探讨了权重参数对语音识别模型整体功率消耗的影响，发现权重参数对功率消耗的影响因多种因素而异，包括调用频率和内存中的位置。基于这一洞察，我们制定了旨在优化设备内语音识别模型的设计准则，着重于在不实质影响准确性的情况下最小化功耗 - 自适应信道感知超宽带 DL-TDOA 的功耗效率室内定位
本文提出并实施了一种新颖的低功耗、适应信道特性的动态频率下行到达差异时间测距算法，通过基于卷积神经网络（CNN）的 NLOS 概率预测器、动态测距频率控制模块和基于 IMU 传感器的测距滤波器，实验证明该算法在 NLOS 条件下的准确度比先 - 基于摄像头的并行脉冲驱动变压器远程光电容识别
本文提出了一种基于脉冲神经网络的混合神经网络模型 Spiking-PhyFormer，该模型在保持性能的同时，相较于 PhysFormer 和其他基于 ANN 的模型降低了 12.4% 的功耗，并将变压器块的功耗降低了 12.2 倍。
- 面向神经进化系统的物理合理性研究
通过最大化神经进化框架下人工神经网络模型的准确性和最小化功耗，本研究提出了一种新的变异策略，引入了模块层的随机重新引入，通过训练过程中同时训练两个模型以推动其中一个模型的功耗更低且准确性相似，结果表明功耗降低了 29.2%，但预测性能基本不 - 轻量级基于 FPGA 的汽车 CAN 网络 IDS-ECU 架构
提出了一种基于混合 FPGA 设备的集成化汽车控制器区域网络 (IDS) 架构，采用两个量化的多层感知器 (QMLP)，加速利用 Xilinx 的深度学习处理单元 (DPU) IP 块进行攻击检测，达到了最先进的分类准确性和降低功耗的效果。
- 基于优化理论的深度强化学习用于超可靠无线网络控制系统资源分配
基于优化理论的深度强化学习框架被介绍用于联合设计控制和通信系统，并针对最小化功耗目标，在满足通信系统的调度性和速率约束以及控制系统的稳定性约束的前提下，通过优化理论和深度强化学习两个阶段的组合来实现，该方法在大量的模拟实验中表现出优于优化理 - 神经科学启发的科学机器学习 (第一部分): 变量尖峰神经元用于回归
本论文介绍了一种称为变量尖峰神经元（VSN）的新型尖峰神经元，它可以通过借鉴生物神经元的漏积分与发射尖峰神经元（LIF-SN）的概念，减少冗余激发，同时保持能源预算低，并在分类和回归任务中取得了良好的结果。
- 高效计算的神经网络评分
通过引入一个复合分数来衡量精确度和功耗在神经网络推断过程中的权衡，本文提出了一个新的开源工具，使研究人员能够考虑更多的指标，包括细粒度的功耗、RAM/CPU/GPU 利用率，以及存储和网络的输入 / 输出。该方法被用于探索神经网络的能耗和精 - 能效基站小区切换自适应动态规划
利用近似动态规划（ADP）基于在线优化的方法，在维持充分的服务质量（QoS）指标的同时，通过打开 / 关闭基站的方式减少网络功耗。通过使用多层感知器（MLP）来预测功耗和 QoS，以及长短期记忆（LSTM）进行手 over 预测，结合在线优 - 混沌奇异吸引子的机器学习
利用混沌非线性吸引子实现低功耗的模拟计算方法，作为机器学习任务的通用平台提供卓越的性能，能够以毫瓦级功率与当前机器学习技术媲美，适用于聚类、回归和分类学习任务。
- O-RAN 中基于在线学习的虚拟基站自适应资源分配
虚拟基站（vBS）中资源分配的在线学习算法，平衡有效吞吐量和虚拟基站能耗，在各种环境下实现零平均最优差距，节约高达 64.5% 的能耗。
- 数据中心计算节点功耗降低的性能感知增强学习方法
当 Exascale 计算成为现实时，云数据中心的计算节点能源需求将继续增长。在系统其他方面经历瓶颈时，降低硬件组件的功耗是减少能源需求的常见方法之一。然而，设计一个能够实时检测和限制功耗的资源控制器是一个复杂的问题，可能会对应用性能产生不 - Modular DFR: 增强设计灵活性的数字延迟反馈水库模型
该论文提出了一种适用于完全数字实现的新型模块化延迟反馈储层模型，减少了超参数数量，提供了非线性函数选择的灵活性，从而提高了准确性并降低了功耗。通过采用不同的非线性函数，实现了 10 倍的功耗降低和 5.3 倍的吞吐量提升，同时保持相等或更好 - 神经形态系统中突触调整和最优偏置调整以降低功耗
本文探讨了将生物大脑在食物匮乏时进入低功率模式的类似机制应用于一类神经形态系统中的可能性，其中功耗强烈依赖于突触重量的大小。通过数学模型和仿真，我们特别展示了仔细缩放突触权重可以显著降低功耗（在部分测试用例中达到 80％以上），同时对精度的 - ESL-SNNs：针对脉冲神经网络的进化结构学习策略
本文提出了一种名为 ESL-SNN 的高效进化结构学习框架，用于实现从头开始的稀疏 SNN 训练，通过探索时间上的所有可能参数，使 ESL-SNN 可以有效地学习具有稀疏结构的 SNN 并降低精度损失，从而具有在低功耗和小内存使用量下进行 - 使用粒子光子和智能手机的自动化节能系统（APCS）
本文通过利用 IR 传感器实现了一种能够自动控制空调和电灯设备的机械化能源节约系统，并且通过手机应用程序控制电灯和空调，从而帮助我们节约能源和减少电费支出。