该文综述了提升深度神经网络硬件可靠性的多种方案：差分映射与负载裁剪能以零额外成本容忍近一个数量级的故障率；贝叶斯优化与dropout可增强抗权重漂移能力；重设计、重训练等三种零成本方案可提高瞬态故障下的可靠性；FARe框架在故障ReRAM上仅增加约1%时间开销，并将GNN测试准确率提高47.6%；NeuralFuse通过学习输入变换将内存访问能耗降低2.7至5倍，同时提升57%的准确率；查找表故障感知量化能以低成本减少永久故障影响；权重重参数化可缩小Transformer编码器；模拟ReRAM跨栅矩阵运算具有更高能效。