刚度调制MEMS储备池计算系统，用于边缘多场景数据处理

文章预览

随着物联网（IoT）在信息驱动型社会中的蓬勃发展，无数传感器节点产生的海量原始数据正在日益消耗传输容量。这就要求系统具有低功耗高效处理信息的能力。因此，人们非常希望实现信号处理的本地化，将传感和智能整合在一起，实现边缘计算。 受递归神经网络（RNN）启发的储备池计算（RC）是处理时间序列数据的最佳解决方案，非常适合物理实现。其算法结构简单，储备池可以通过非线性器件实现。因此，近年来研究人员一直致力于物理储备池计算的研究。然而，大多数研究仍停留在验证阶段，即证明器件作为计算储备池的可行性，却忽略了传感能力。此外，一些储备池计算系统通常体积庞大、设置复杂，例如光学储备池计算。这些研究主要探索器件作为储备池的潜力，利用其固有的非线性和对储备池计算至关重要的衰减记忆。不过，这些 ………………………………