AI与世界难题 · 理论计算机科学 · arXiv · 2026-10-22
仿生听觉处理：将并行谐振-发放动力学与三值循环网络耦合用于语音识别
原标题: Bio-Inspired Auditory Processing: Coupling Parallel Resonate-and-Fire Dynamics with Ternary Recurrent Networks for Speech Recognition
脉冲神经网络有望实现高能效推理，但在自动语音识别等连续且依赖上下文的任务中表现吃力，部分原因在于 LIF 神经元会在停顿和音素边界处丢失信息。脉冲三值 GRU（stGRU）让三值权重的门控循环单元执行时域滤波，同时由下游的共振-发放神经元生成二值脉冲流，从而避免了密集的浮点矩阵乘加运算。在 LibriSpeech-960 上进行端到端训练后，Small、Medium 和 Large stGRU 无需外部语言模型即在 test-clean 上分别达到 8.09%、7.04% 和 6.44±0.17% 的 WER，成为首批在无学习式 ANN 序列解码器的情况下于 LibriSpeech 上实现个位数 WER 的无矩阵乘加脉冲网络。