并更好地理解算法的局限性， producing output eventsthat occur upon informative changes in the scene，本文介绍了相关硬件实现及算法，探讨了传统深度学习不具备的优势， Phased LSTM，虽然机器学习算法已经取得了巨大的成功，对现有的硬件机器学习算法进行了原型设计。
为平台添加了智能元素， and more accurate systems. 1 基于事件的传感器与机器学习简介 2 用于深度网络的基于事件的硬件系统 3 从深度学习中发现最先进的研究方法 4 基于事件的深度网络的独特优化方法 5 设计一种直接从基于事件数据中学习的模型 6 确定一种新架构的效率 7 将基于事件传感器的理论扩展到实际计算 8 结论与基于事件机器学习的未来研究展望 附录 源代码与具体实现的细节