三元权重脉冲网络在 LibriSpeech 无外部语言模型下达 6.44% WER
资讯摘要
论文提出 Spiking Ternary GRU（stGRU）：由三元权重门控循环单元做时间滤波，下游 Resonate-and-Fire 神经元产生二值脉冲流，使二值事件传输成为训练约束而非部署时的量化步骤。作者报告在 LibriSpeech-960 上无外部语言模型时 test-clean WER 分别为 8.09%、7.04%、6.44±0.17%，并称这是首个无矩阵乘、无学习型 ANN 序列解码器即达单位数 WER 的脉冲网络。
要点速读
- stGRU 用三元权重 GRU 做时间滤波，RF 神经元生成二值脉冲驱动下一模块的事件通路
- LibriSpeech-960 上 Small/Medium/Large 的 test-clean WER 为 8.09%、7.04%、6.44±0.17%，未用外部语言模型
- Aishell-1 从零训练达 test CER 10.88%（dev 9.28%）；作者称其为首个无矩阵乘且无 ANN 序列解码器、在 LibriSpeech 达单位数 WER 的脉冲网络
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。