本文针对FP4精度训练过程中显著的准确性下降问题，提出了一种新颖的TetraJet训练方法。通过评估训练中涉及的量化器，本研究识别出权重振荡是造成MXFP4训练性能降级的主要原因，并引入了EMA量化器和自适应坡度优化器来解决这一问题。实验结果表明，TetraJet在视觉变换器任务中优于现有的4位训练方法，准确性降低幅度减少超过50%。

光学超振荡衍射神经网络（SODNN）能实现超越衍射极限的超分辨空间分辨率，通过衍射层和非线性调制入射光场产生超分辨焦点。SODNN在400λ远场距离内生成了一个半高全宽为0.407λ的超振荡斑点，具有长景深且无副瓣。此外，SODNN还能实现多波长和多焦点斑点阵列。

研究开发了基于生理学的语音识别体系结构，通过深度学习框架进行训练，揭示了神经振荡的出现，发现反馈机制对提高识别性能至关重要，对神经形态技术具有重要意义。

该研究揭示了稳定扩散计算机视觉模型的隐私漏洞，并提出了一种新的会员推理攻击方法。研究评估了攻击的有效性，并呼吁采取增强安全措施。

该研究提出了一种新的LLM服务范例，通过在边缘设备上进行隐私敏感计算并在云端共享计算，实现了数据本地性。核心创新PrivateLoRA通过利用低秩性质实现了超过95%的通信减少，同时提供了与LoRA相媲美的调优性能。该框架是文献中第一个高效且保护隐私的LLM解决方案。

电感器是一种将电能转化为磁能并存储的元件，具有滤波、振荡、延迟、陷波等作用。它由骨架、绕组、屏蔽罩、封装材料、磁心或铁心等组成。电感器分为自感器和互感器，具有通直流、阻交流的特性。常与电容器一起使用，构成LC滤波器、LC振荡器等。

本文探讨了在边缘设备上部署量子化网络的策略，提出了基于指数移动平均的更新方法和纠正振荡误差的校正方法，通过实验证明这些方法能提升低精度YOLO网络在目标检测和分割任务的性能。