KI und die schwierigen Probleme der Welt · Theoretische Informatik · arXiv · 2026-10-22
Bioinspirierte auditive Verarbeitung: Kopplung paralleler Resonate-and-Fire-Dynamiken mit ternären rekurrenten Netzwerken für die Spracherkennung
Originaltitel: Bio-Inspired Auditory Processing: Coupling Parallel Resonate-and-Fire Dynamics with Ternary Recurrent Networks for Speech Recognition
Spiking Neural Networks versprechen energieeffiziente Inferenz, scheitern aber an kontinuierlichen, kontextabhängigen Aufgaben wie der automatischen Spracherkennung – unter anderem, weil LIF-Neuronen Informationen über Pausen und phonetische Grenzen hinweg verlieren. Das Spiking Ternary GRU (stGRU) lässt eine gated recurrent unit mit ternären Gewichten die zeitliche Filterung durchführen, während nachgeschaltete Resonanz-Feuer-Neuronen (resonate-and-fire) den binären Spike-Strom erzeugen, wodurch dichte Gleitkomma-Matrix-MACs vermieden werden. End-to-end auf LibriSpeech-960 trainiert erreichen Small-, Medium- und Large-stGRUs 8.09%, 7.04% bzw. 6.44±0.17% WER auf test-clean ohne externes Sprachmodell – die ersten Matrix-MAC-freien Spiking-Netzwerke ohne gelernten ANN-Sequenzdecoder, die eine einstellige WER auf LibriSpeech erreichen.