المجموعات البيانات العصبية النابضة من هايدلبرغ لتقييم منهجي للشبكات العصبية النابضة

الشبكات العصبية ذات الانفجارات (Spiking Neural Networks) تمثل الأساس لمعالجة المعلومات المتنوعة وذات الكفاءة العالية في الدماغ. وعلى الرغم من أننا لا نمتلك حاليًا فهمًا مفصلاً لكيفية حساب هذه الشبكات، إلا أن التقنيات المتطورة حديثًا في التحسين تتيح لنا الآن تنفيذ شبكات عصبية ذات انفجارات معقدة بشكل متزايد في بيئة حاسوبية. تُعد هذه الأساليب واعدة في بناء أجهزة حوسبة أكثر كفاءة غير مبنية على معمارية فون نيومان، وستفتح آفاقًا جديدة في جهود فك شفرة وظائف الدوائر العصبية في الدماغ. ولتسريع تطوير هذه الأساليب، أصبح من الضروري وجود طرق موضوعية لمقارنة أدائها. ولكن في الوقت الراهن، لا توجد وسائل مقبولة على نطاق واسع لمقارنة الأداء الحسابي للشبكات العصبية ذات الانفجارات. ولحل هذه المشكلة، نقدم مجموعة بيانات تصنيف تعتمد على الانفجارات، يمكن تطبيقها بشكل واسع لاختبار كل من التنفيذات البرمجية وأجهزة الحوسبة العصبية (Neuromorphic Hardware) للشبكات العصبية ذات الانفجارات. ولتحقيق ذلك، طوّرنا عملية عامة لتحويل الصوت إلى إشارات انفجارية مستوحاة من علم الأعصاب العصبية (Neurophysiology). وتم تطبيق هذه العملية على مجموعة بيانات صوتية موجودة بالفعل، بالإضافة إلى مجموعة بيانات صوتية جديدة. وتُعد الأخيرة مجموعة بيانات رقمية من هايدلبرغ، مفتوحة المصدر، ذات جودة عالية، ومرتبطة على مستوى الكلمات، وقد أنشأناها خصيصًا لهذا الدراسة. وبواسطة تدريب مجموعة متنوعة من الفئّات التقليدية والفعالة ذات الانفجارات، أظهرنا أن الاستفادة من معلومات وقت الانفجار داخل هذه المجموعات بيانات أمر ضروري لتحقيق دقة تصنيف جيدة. تمثل هذه النتائج المرة الأولى التي تُستخدم كمرجع لمقارنة الأداء المستقبلي للشبكات العصبية ذات الانفجارات.