Les jeux de données de spiking à Heidelberg pour l'évaluation systématique des réseaux neuronaux à spiking

Les réseaux neuronaux à impulsions constituent la base du traitement d’information polyvalent et économe en énergie dans le cerveau. Bien que nous manquions encore d’une compréhension détaillée de la manière dont ces réseaux effectuent des calculs, les techniques d’optimisation récemment développées permettent désormais de concevoir des réseaux neuronaux à impulsions fonctionnels de plus en plus complexes en simulation. Ces méthodes offrent la perspective de concevoir des architectures matérielles de calcul plus efficaces, hors du cadre von-Neumann, et ouvrent de nouvelles voies dans la recherche sur le fonctionnement des circuits cérébraux. Pour accélérer le développement de telles approches, il est indispensable de disposer de moyens objectifs pour comparer leurs performances. Or, à l’heure actuelle, il n’existe pas de méthodes largement acceptées pour évaluer le rendement computationnel des réseaux neuronaux à impulsions. Pour remédier à ce manque, nous introduisons deux jeux de données basés sur des impulsions, généralement applicables à la mise en œuvre de benchmarks pour des implémentations logicielles comme matérielles neuromorphiques de réseaux neuronaux à impulsions. À cette fin, nous avons développé une procédure générale de conversion audio-en-impulsions, inspirée par la neurophysiologie. Nous avons ensuite appliqué cette conversion à un jeu de données existant ainsi qu’à un nouveau jeu de données vocales. Ce dernier est le jeu de données Heidelberg digit, libre, à haute fidélité et aligné au niveau des mots, que nous avons spécifiquement conçu pour cette étude. En entraînant une variété de classifieurs conventionnels et à impulsions, nous démontrons que l’exploitation de l’information temporelle des impulsions dans ces jeux de données est essentielle pour atteindre une bonne précision de classification. Ces résultats constituent la première référence pour les comparaisons futures des performances des réseaux neuronaux à impulsions.