ИИ и сложнейшие проблемы мира · Теоретическая информатика · arXiv · 2026-10-22
Биовдохновлённая слуховая обработка: сочетание параллельной динамики Resonate-and-Fire с троичными рекуррентными сетями для распознавания речи
Оригинальное название: Bio-Inspired Auditory Processing: Coupling Parallel Resonate-and-Fire Dynamics with Ternary Recurrent Networks for Speech Recognition
Спайковые нейронные сети обещают энергоэффективный инференс, но испытывают трудности с непрерывными, зависящими от контекста задачами, такими как автоматическое распознавание речи, — отчасти потому, что нейроны LIF теряют информацию на паузах и фонетических границах. Spiking Ternary GRU (stGRU) позволяет рекуррентному блоку с управляемыми гейтами и троичными весами выполнять временную фильтрацию, в то время как расположенные ниже нейроны resonate-and-fire генерируют бинарный поток спайков, избавляя от плотных матричных MAC-операций с плавающей запятой. Обученные сквозным методом на LibriSpeech-960, stGRU вариантов Small, Medium и Large достигают WER 8.09%, 7.04% и 6.44±0.17% на test-clean без внешней языковой модели — это первые свободные от матричных MAC-операций спайковые сети без обучаемого ANN-декодера последовательностей, достигшие одноразрядного WER на LibriSpeech.