الذكاء الاصطناعي ومشكلات العالم الصعبة · علوم الحاسوب النظرية · arXiv · 2026-10-22

المعالجة السمعية المستوحاة بيولوجيًا: ربط ديناميكيات الرنين والإطلاق المتوازية بشبكات تكرارية ثلاثية للتعرف على الكلام

العنوان الأصلي: Bio-Inspired Auditory Processing: Coupling Parallel Resonate-and-Fire Dynamics with Ternary Recurrent Networks for Speech Recognition

تَعِد الشبكات العصبية النابضة باستدلال موفّر للطاقة، لكنها تواجه صعوبة في المهام المتصلة والمعتمدة على السياق مثل التعرف التلقائي على الكلام، ويرجع ذلك جزئياً إلى أن عصبونات LIF تفقد معلومات عبر الوقفات والحدود الصوتية. يتيح نموذج Spiking Ternary GRU (stGRU) لوحدة متكررة مسوَّرة ذات أوزان ثلاثية القيام بالترشيح الزمني، بينما تولّد عصبونات resonate-and-fire في اتجاه المصب تدفق النبضات الثنائية، متجنّبةً عمليات الضرب-التراكم (MACs) الكثيفة ذات الفاصلة العائمة على المصفوفات. بعد التدريب من طرف إلى طرف على LibriSpeech-960، حققت نماذج stGRU الصغيرة والمتوسطة والكبيرة معدل خطأ كلمات (WER) بنسب 8.09% و7.04% و6.44±0.17% على test-clean دون نموذج لغوي خارجي، وهي أول شبكات نابضة خالية من عمليات ضرب-تراكم المصفوفات وبدون فكّ تسلسلي مدرَّب من نوع ANN تحقق معدل خطأ كلمات أحادي الرقم على LibriSpeech.

اقرأ المصدر الأصلي ↗

جميع العناصر →