CoNNear是一个完全卷积的编码器-解码器NN，具有条纹卷积和跳跃连接，将音频输入映射到时域中不同耳蜗部分(NCF)的2 01 BM振动输出。有(a)和没有(b)上下文的a、b、CoNNear架构。最终的CoNNear模型有四个编码器和解码器层，使用上下文，并包括CNN层之间的tanh激活功能。模型培训和评估程序概述。尽管语音语料库的参考、分析TL模型模拟被用于训练连接参数，但是模型的评估是使用耳蜗力学研究中通常采用的简单声学刺激来执行的。学分:自然机器智能(2021)。根特大学的三名研究人员将卷积神经网络与计算神经科学相结合，创建了一个模拟人类耳蜗力学的模型。在他们发表在《自然机器智能》杂志上的论文中，迪帕克·宝贝、亚瑟·范登·布劳克和莎拉·维尔赫斯特描述了他们是如何建立模型的，以及他们认为可以使用的方法。在过去的几十年里，语音和语音识别技术取得了长足的进步。例如，客户通常由电话代理服务。此外，智能手机上的语音识别和响应系统已经变得无处不在。但是他们都有一个共同的特点，那就是不管他们如何看待m，他们都没有实时操作。每一个都是基于处理所听到的内容的硬件和软件。在这项新的研究中，研究人员提出，当前设备的问题在于必须进行的计算的复杂性。为了解决这个问题，他们创建了一个模拟人类听觉的模型，该模型是基于卷积神经网络和计算神经科学的最佳特征的融合。
人类的听力来自耳朵的各个部分。声音进入耳道并撞击耳膜。耳膜会相应振动，向内耳的骨骼发送信号，从而在耳蜗的液体中产生波纹。这种液体搅动了排列在耳蜗上的毛细胞。毛细胞的运动刺激离子通道，离子通道反过来产生信号，这些信号被发送到脑干。比利时的研究人员创建了一个人工智能系统，该系统被教授识别声音，然后以类似的方式解码声音。然后他们将他们的系统连接到一个基于人体解剖学的模型上。他们将他们的系统命名为“连接”——耳蜗的工作模型。
测试表明，该系统能够实时将20千赫采样声波波形转换为耳蜗基底膜波形，远远超过最先进的传统系统。CoNNear实现耳蜗功能的速度是目前助听器技术的2000倍。研究人员表示，他们的发现可能会为新一代类似人类的听力或增强听力和语音识别设备奠定基础。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
