엣지 IoT 네트워크에서 지능형 처리에 대한 수요가 증가하면서, 마이크로컨트롤러의 제한적인 컴퓨팅 및 메모리 때문에 기존 딥러닝 방식은 비현실적입니다. 연구진은 다층 네트워크 없이 비선형 분리 가능한 결정 경계를 구현할 수 있는 단일 단위 아키텍처인 리세프톤 모델을 기반으로 뉴로모픽 영감 분류기를 제안합니다.
리세프톤 모델은 중간급 MCU에 직접 배포 가능하며, 지속적인 온디바이스 적응을 지원합니다. 기본적인 데이터셋 벤치마크 실험 결과, 교차 검증 정확도가 표준 머신러닝 방법 기준선과 호환됩니다.
연구 결과, 리세프톤은 동적이고 비정상적인 환경에서 작동하는 리소스 제약 뉴로모픽 엣지 시스템을 위한 실행 가능하고 해석 가능한 대안으로 자리매김했습니다.