本文提出了一种新的网络相似性统计量，用于指导深度神经网络训练中随机种子的选择。通过鲁棒的假设检验，展示了该统计量在实验中的价值和在迁移学习中调优相比随机种子选取的优势。

本研究提出使用eDRAM作为物联网边缘设备上深度神经网络训练的存储介质，设计了可逆DNN架构和高效训练引擎CAMEL，减少了能耗并提高了验证精度。

本文介绍了一种新的即时参数更新方法，通过消除每层计算梯度的需要来加速学习、避免梯度消失问题，并在基准数据集上优于最先进的方法，为高效有效的深度神经网络训练提供了一个有希望的方向。