La IA y los problemas difíciles del mundo · Informática teórica · arXiv · 2026-10-22
Procesamiento auditivo bioinspirado: acoplamiento de dinámicas resonate-and-fire paralelas con redes recurrentes ternarias para el reconocimiento del habla
Título original: Bio-Inspired Auditory Processing: Coupling Parallel Resonate-and-Fire Dynamics with Ternary Recurrent Networks for Speech Recognition
Las redes neuronales de spiking prometen una inferencia energéticamente eficiente, pero tienen dificultades con tareas continuas y dependientes del contexto, como el reconocimiento automático del habla, en parte porque las neuronas LIF pierden información en las pausas y los límites fonéticos. La Spiking Ternary GRU (stGRU) permite que una unidad recurrente con puertas y pesos ternarios realice el filtrado temporal, mientras que las neuronas resonate-and-fire aguas abajo generan el flujo binario de spikes, evitando los MAC de matrices densas en coma flotante. Entrenadas de extremo a extremo en LibriSpeech-960, las stGRU Small, Medium y Large alcanzan un WER de 8.09%, 7.04% y 6.44±0.17% en test-clean sin un modelo de lenguaje externo, siendo las primeras redes de spiking libres de MAC de matriz y sin un decodificador de secuencias ANN aprendido que logran un WER de un solo dígito en LibriSpeech.