实现预测编码网络的可综合RTL架构，支持局部预测误差动态，硬件直接执行学习更新。

Timothy Oh

利用二次代理吸引子优化粒子群算法，提升全局收敛性和鲁棒性。

Maurizio Clemente, Marcello Canova

在神经形态硬件上实现联邦少样本学习，使用FedUnion策略保持77.0%准确率。

Steven Motta, Gioele Nanni

提出一种基于SRAM的CIM加速器，优化线性衰减尖峰神经网络，能效提高15.9至69倍。

Hongyang Shang, Shuai Dong, Yahan Yang 等

Stable Spike通过位操作实现双重一致性优化，提升SNN在超低延迟下的识别性能，准确率提高至8.33%。

Yongqi Ding, Kunshan Yang, Linze Li 等

本文提出了一种事件驱动的E-Skin系统，通过动态二进制扫描和实时SNN分类，实现了12.8倍扫描次数减少和92.11%的识别准确率。

Gaishan Li, Zhengnan Fu, Anubhab Tripathi 等

提出NEMO-DE和NEEF-DE两种进化框架，实现近场多源定位，避免网格化误差。

Seyed Jalaleddin Mousavirad, Parisa Ramezani, Mattias O'Nils 等