وقد طور الباحثون المواد التي يمكن التعرف على الصوت التي يمكن استخدامها في أجهزة الاستشعار التلقائي قيادة السيارات

أنواع مختلفة من نمط الاعتراف ، وخاصة آلة التعلم ، وقد استخدم على نطاق واسع في مختلف التكنولوجيات الحديثة . من خلال اكتشاف أنماط في البيانات ، آلة التعلم يمكن تحويل هذه الأنماط إلى معلومات مفهومة ، على سبيل المثال ، تحديد الأجسام على الطريق من السيارات ، أو تحديد الخصائص الحرارية من الدخلاء .

بطريقة مماثلة إلى آلة التعلم ، إطار جديد يسمى " حساب الاحتياطي " يمكن استخدامها لتعلم أنماط من البيانات . مفتاح هذا النوع من الحساب هو استخدام نظام معقد من خلال تكرار حساب المعلومات . كل هذا يمكن أن يتحقق من خلال تعميم الشبكة العصبية ( RNN ) الذي يستخدم نظام الطاقة أو " الاحتياطي داخلي " لتنفيذ نمط الاعتراف المهمة .

ومع ذلك ، التقليدية RNN يتكون من عدد كبير من العقد المستقلة المترابطة أو الخلايا العصبية مع العديد من المعلمات ، مما يؤدي إلى نظام أخرق ، من الصعب تدريب ، حتى يؤدي إلى ارتفاع استهلاك الطاقة ، وبالتالي عرقلة التطبيق . حساب الاحتياطي داخلي يمكن أن تقلل إلى حد كبير من التعقيد عن طريق اختيار عشوائي المعلمات فقط تدريب الناتج العقد .

وقد تحولت الدراسات الحديثة إلى استخدام الأساس المادي لأداء مهام التعرف على الأنماط من أجل حساب مجموعات الاحتياطي . طالما أن هذه المواد هي معقدة بما فيه الكفاية ، غير الخطية ( التغييرات في المدخلات ليست بالضرورة نفس التغييرات في الناتج ) و ضعف الذاكرة ، وهذا هو ، مع مرور الوقت ، قدرة النظام على تذكر الماضي إشارات الإدخال يضعف تدريجيا ، يمكن أن تلعب دور الاحتياطي بركة .