AI na Matatizo Magumu ya Ulimwengu · Sayansi ya kompyuta ya kinadharia · arXiv · 2026-10-22
Uchakataji wa Kusikia Unaohamasishwa na Kibaolojia: Kuoanisha Mienendo Sambamba ya Resonate-and-Fire na Mitandao ya Kurudia ya Ternary kwa Utambuzi wa Hotuba
Kichwa asilia: Bio-Inspired Auditory Processing: Coupling Parallel Resonate-and-Fire Dynamics with Ternary Recurrent Networks for Speech Recognition
Mitandao ya neva ya aina ya spiking inaahidi inference yenye ufanisi wa nishati lakini hupata changamoto katika kazi endelevu zinazotegemea muktadha kama utambuzi wa hotuba wa kiotomatiki, kwa sehemu kwa sababu neva za LIF hupoteza taarifa kupita mapumziko na mipaka ya fonetiki. Spiking Ternary GRU (stGRU) huruhusu gated recurrent unit yenye uzito wa ternary kufanya uchujaji wa muda huku neva za resonate-and-fire zinazofuata zikitengeneza mtiririko wa spike wa binary, kuepuka matrix MACs za dense za floating-point. Zikifundishwa end-to-end kwenye LibriSpeech-960, stGRU za Small, Medium, na Large hufikia WER ya 8.09%, 7.04%, na 6.44±0.17% kwenye test-clean bila language model ya nje, zikiwa mitandao ya kwanza ya spiking bila matrix MACs na bila decoder ya mfululizo ya ANN iliyofundishwa kufikia WER ya tarakimu moja kwenye LibriSpeech.