Traitement neuromorphique de la parole de bout en bout et parallélisable pour les applications à faible consommation d'énergie

Le domaine du traitement automatisé de la parole a connu des avancées majeures grâce aux réseaux de neurones profonds. Toutefois, ces progrès reposent de plus en plus sur des ressources matérielles coûteuses et énergivores, un problème accentué par le ralentissement des progrès des plateformes matérielles et les contraintes imposées par les applications embarquées à faible consommation. Dans ce contexte, l'informatique neuromorphique et les réseaux de neurones à décharges (RND), inspirés du fonctionnement biologique, émergent comme une alternative prometteuse en offrant une meilleure efficacité énergétique. Malgré ce potentiel, les RND font face à des défis persistants liés à l'entrainement, à l’architecture des réseaux et à la nature des données. Cette thèse s’inscrit dans cette problématique et vise à optimiser le traitement neuromorphique de la parole de bout en bout, dans un cadre contraint en énergie. Le premier axe de travail porte sur l’unité fondamentale des RND : le neurone. Nous proposons la conception d’un neurone à décharges parallélisable, capable de contourner les limitations du traitement séquentiel inhérent au neurone classique à intégration et décharges avec fuite, lequel freine l’apprentissage sur de longues séquences. Cette contribution marque une étape importante vers des RND plus efficients, notamment pour les tâches impliquant des longues séquences temporelles, comme la parole. Le second axe aborde la question de l’inadéquation des signaux d’entrée. En effet, les signaux audio, représentés par des valeurs réelles, ne sont pas directement exploitables par les RND, rendant nécessaire un encodage préalable en décharges. Au regard de l’importance de cette étape, nous avons mené une étude comparative de plusieurs méthodes d’encodage, évaluant leur impact sur la précision de classification et la parcimonie des signaux. Cependant, ces méthodes restent des solutions palliatives qui ne résolvent pas le problème fondamental lié à la nature même des capteurs utilisés. Pour y répondre, nous proposons d’exploiter directement les microphones à modulation par densité d’impulsions (PDM), dont le fonctionnement présente une similarité avec les neurones à décharges. En connectant directement ces microphones à un réseau de neurones à décharges, nous éliminons les étapes intermédiaires de prétraitement coûteuses. Cette approche est d’abord appliquée à une tâche de détection de mots-clés, puis à une tâche plus complexe de rehaussement de la parole. Les travaux présentés dans cette thèse contribuent à positionner les réseaux de neurones à décharges comme des alternatives efficaces pour le traitement de la parole dans des contextes à faible consommation énergétique.

Name thesis:degree_name

Ph. D.

Level thesis:degree_level

Doctorat

Discipline thesis:degree_discipline

Génie électrique

Grantor dc:publisher

Université de Sherbrooke

Year dc:date.issued

2025

Author dc:creator

• Yarga, Sidi Yaya Arnaud

Advisor dc:contributor.advisor

• Wood, Sean

• Traitement de la parole
• Apprentissage machine
• Réseaux de neurones à décharges
• Neuromorphique

Language dc:language.iso

fr, en

DOI

https://doi.org/10.71892/11143/979

OAI identifier oai:identifier

oai:usherbrooke.scholaris.ca:11143/23135