هوش مصنوعی
HyVox شناسایی گوینده را با پردازش نورومورفیک کم‌مصرف هدف می‌گیرد
سامانهٔ پیشنهادی، استخراج ویژگی‌های گفتار را به پردازنده‌ای نورومورفیک می‌سپارد و مدیریت کاربران و تصمیم‌گیری را روی یک میکروکنترلر متعارف انجام می‌دهد.
پژوهشگران در پیش‌چاپی در arXiv از HyVox رونمایی کرده‌اند؛ سامانه‌ای ترکیبی از پردازش نورومورفیک و معماری فون‌نویمان که برای شناسایی گوینده در شرایط محدودیت انرژی طراحی شده است. در این روش، پردازندهٔ نورومورفیک از گفتار بردار بازنمایی می‌سازد و میکروکنترلر گالری گویندگان و فرایند تصمیم‌گیری را مدیریت می‌کند.
میکروکنترلر با سنجش شباهت کسینوسی، گویندگان را شناسایی می‌کند و می‌تواند افراد ناشناس را رد کند. افزودن کاربر تازه نیز با ثبت یک نمونهٔ الگو انجام می‌شود و به‌روزرسانی وزن‌های مدل لازم ندارد.
بخش نورومورفیک از شبکهٔ عصبی اسپایکی با سازوکار انتزاع زمانی سلسله‌مراتبی (HTA) بهره می‌برد. این شبکه برای هر نورون LIF ثابت زمانی سیناپسی می‌آموزد و ۸۳۲ نورون را در سه مقیاس زمانی سریع، متوسط و کند توزیع می‌کند. چکیدهٔ در دسترس همچنین به یک بردار بازنمایی اسپایکی ۳۲ نورونی اشاره می‌کند، اما متن ارائه‌شده جزئیات بیشتری دربارهٔ نتایج یا ارزیابی سامانه ندارد.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده