本文介绍了利用低功耗嵌入式硬件的超高维可重构分析系统(HyDRATE)，该系统利用无MAC深度神经网络和超维计算加速器在边缘执行实时重新配置。通过展示算法、训练好的量化模型生成和特征提取来实现超高纬度基于逻辑的分类器，并展示了性能随超维数增加而提高的情况。介绍了实现的低功耗FPGA硬件和嵌入式软件系统，以及实现的硬件加速器，以及系统延迟和功耗噪声稳健性等方面的讨论。通过视频活动分类任务的实际与模拟系统性能比较，展示了在相同数据集上的重新配置。使用边缘的少量学习新课程，使用无梯度下降反向传播仅通过重新训练前馈超高维分类器实现该系统的重构性。

本文介绍了利用低功耗嵌入式硬件的超高维可重构分析系统HyDRATE。该系统利用无MAC深度神经网络和超维计算加速器在边缘执行实时重新配置。通过算法、训练模型和特征提取实现超高纬度基于逻辑的分类器，并展示了性能随超维数增加而提高的情况。介绍了低功耗FPGA硬件和嵌入式软件系统，以及硬件加速器和系统延迟、功耗噪声稳健性等方面的讨论。通过与模拟系统性能比较，展示了在相同数据集上的重新配置。使用边缘的少量学习新课程，使用无梯度下降反向传播仅通过重新训练前馈超高维分类器实现该系统的重构性。