私たちは、PLEIADES（PoLynomial Expansion In Adaptive Distributed Event-based Systems）と呼ばれるニューラルネットワークを紹介します。これはTENNs（Temporal Neural Networks）アーキテクチャに属するものです。本研究では、これらのネットワークをイベントベースのデータと接続し、低遅延でオンラインの空間時間分類や検出を行うことに焦点を当てています。構造化された時間カーネルとイベントベースのデータを使用することにより、データのサンプルレートやネットワークの離散化ステップサイズを追加的な微調整なしに変更することが可能です。私たちは3つのイベントベースのベンチマークに対して実験を行い、大幅な差で全てのベンチマークにおいて最先端の結果を得ました。その際、メモリ容量や計算コストが大幅に削減されました。具体的には以下の成果を達成しました：1) DVS128ハンドジェスチャ認識データセットにおいて192Kパラメータで99.59%の精度を達成し、小さな出力フィルタを追加することで100%の精度を達成しました；2) AIS 2024アイトラッキングチャレンジにおいて277Kパラメータで99.58%のテスト精度を達成しました；3) PROPHESEE 1メガピクセル自動車検出データセットにおいて576Kパラメータで0.556 mAP（mean Average Precision）を達成しました。