أظهر الشبكة السيماسية ذات التحويل الكامل القائمة على مطابقة القوالب إمكانيات كبيرة في التتبع البصري. أثناء الاختبار، يبقى القالب ثابتًا باستخدام ميزة الهدف الأولية، ويعتمد الأداء بالكامل على قدرة الشبكة السيماسية العامة على المطابقة. ومع ذلك، لا يمكن لهذا النهج التقاط التغيرات الزمنية للأهداف أو التشويش الخلفي. في هذا العمل، نقترح شبكة جديدة موجهة بالانحدار لاستغلال المعلومات التمييزية في الانحدارات وتحديث القالب داخل الشبكة السيماسية من خلال عمليات التغذية الأمامية والخلفية. تقوم خوارزميتنا بعمليات تغذية أمامية وخلفية لاستغلال المعلومات التمييزية في الانحدارات وتحديد الانتباه المركزي للهدف. وبشكل محدد، يمكن للخوارزمية استغلال المعلومات المستمدة من الانحدار لتحديث القالب في الإطار الحالي. بالإضافة إلى ذلك، نقترح طريقة تدريب لتحسين تعميم القالب بهدف الاستفادة الأفضل من معلومات الانحدار وتجنب التعلم الزائد. إلى علمنا، يُعد هذا العمل أول محاولة لاستغلال المعلومات الموجودة في الانحدار لتحديث القالب في المُتتبعات القائمة على الشبكات السيماسية. وأظهرت التجارب الواسعة على معايير حديثة أن أداء طريقةنا يفوق أداء المُتتبعات الأخرى ذات المستوى الرائد.