IA e os Problemas Difíceis do Mundo · Ciência da computação teórica · arXiv · 2026-10-22
Processamento Auditivo Bioinspirado: Acoplamento de Dinâmicas Paralelas Resonate-and-Fire com Redes Recorrentes Ternárias para Reconhecimento de Fala
Título original: Bio-Inspired Auditory Processing: Coupling Parallel Resonate-and-Fire Dynamics with Ternary Recurrent Networks for Speech Recognition
Redes neurais espinhosas (spiking) prometem inferência energeticamente eficiente, mas enfrentam dificuldades em tarefas contínuas e dependentes de contexto, como o reconhecimento automático de fala, em parte porque os neurônios LIF perdem informações através de pausas e fronteiras fonéticas. A Spiking Ternary GRU (stGRU) permite que uma unidade recorrente com pesos ternários realize a filtragem temporal, enquanto neurônios resonate-and-fire a jusante geram o fluxo binário de spikes, evitando MACs densos de matriz em ponto flutuante. Treinadas de ponta a ponta no LibriSpeech-960, as stGRUs Small, Medium e Large alcançam 8.09%, 7.04% e 6.44±0.17% de WER no test-clean sem um modelo de linguagem externo, sendo as primeiras redes espinhosas sem MACs de matriz e sem um decodificador de sequência ANN aprendido a alcançar WER de um único dígito no LibriSpeech.