AI اور دنیا کے مشکل مسائل · نظریاتی کمپیوٹر سائنس · arXiv · 2026-10-22

حیاتیات سے متاثر سماعی پردازش: تقریر کی شناخت کے لیے متوازی ریزونیٹ-اینڈ-فائر حرکیات کو ٹرنری ریکرنٹ نیٹ ورکس کے ساتھ جوڑنا

اصل عنوان: Bio-Inspired Auditory Processing: Coupling Parallel Resonate-and-Fire Dynamics with Ternary Recurrent Networks for Speech Recognition

اسپائیکنگ نیورل نیٹ ورکس توانائی سے موثر استنتاج (inference) کا وعدہ کرتے ہیں لیکن خودکار تقریری شناخت جیسے مسلسل، سیاق و سباق پر منحصر کاموں میں دشواری کا شکار رہتے ہیں، جزوی طور پر اس لیے کہ LIF نیورونز وقفوں اور صوتی حد بندیوں کے پار معلومات کھو دیتے ہیں۔ اسپائیکنگ ٹرنری GRU (stGRU) ایک ٹرنری ویٹ گیٹڈ ری کرنٹ یونٹ کو عارضی فلٹرنگ انجام دینے دیتا ہے جبکہ ڈاؤن اسٹریم ریزونیٹ اینڈ فائر نیورونز بائنری اسپائیک اسٹریم تیار کرتے ہیں، جس سے گنجان فلوٹنگ پوائنٹ میٹرکس MACs سے بچا جاتا ہے۔ LibriSpeech-960 پر اینڈ ٹو اینڈ تربیت کے بعد Small، Medium اور Large stGRU بغیر کسی بیرونی لینگویج ماڈل کے test-clean پر 8.09%، 7.04% اور 6.44±0.17% WER تک پہنچتے ہیں، جو سیکھے ہوئے ANN سیکوئنس ڈی کوڈر کے بغیر میٹرکس MAC سے پاک پہلے اسپائیکنگ نیٹ ورکس ہیں جنہوں نے LibriSpeech پر سنگل ڈیجٹ WER حاصل کیا۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →