本研究提出了汉密尔顿学习框架，解决了实时无限数据流中神经网络学习的问题。该框架利用最优控制理论重新思考时序学习，实验证明其能有效恢复基于梯度的学习，并能灵活切换计算方案，具有重要的应用潜力。