AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-22
仿生聽覺處理：耦合平行的 Resonate-and-Fire 動力學與三值遞迴網路以進行語音辨識
原標題: Bio-Inspired Auditory Processing: Coupling Parallel Resonate-and-Fire Dynamics with Ternary Recurrent Networks for Speech Recognition
脈衝神經網路有望實現節能的推論，卻難以處理自動語音辨識這類連續且依賴上下文的任務，部分原因在於 LIF 神經元會在停頓與語音邊界處流失資訊。脈衝三值 GRU（Spiking Ternary GRU, stGRU）讓三值權重的門控循環單元執行時間濾波，並由下游的 resonate-and-fire（共振放電）神經元產生二元脈衝流，從而避免稠密的浮點矩陣乘加（MAC）運算。在 LibriSpeech-960 上進行端對端訓練後，Small、Medium 與 Large stGRU 在 test-clean 上於無外部語言模型的情況下分別達到 8.09%、7.04% 與 6.44±0.17% 的詞錯率（WER），是首批在無學習式 ANN 序列解碼器的情況下，於 LibriSpeech 上達到個位數詞錯率的無矩陣 MAC 脈衝網路。