共查询到18条相似文献,搜索用时 32 毫秒
1.
基于混沌神经网络的语音识别方法 总被引:4,自引:0,他引:4
基于语音信号的时变特性,研究了神经网络语音识别的方法.把混沌特性引入到神经元,构造了一种新的多层混沌神经网络结构,同时推导了相应的学习算法.把这种混沌神经网络用于语音识别,并与常用的神经网络语音识别方法作了比较.实验结果表明,混沌神经网络方法的平均识别率要高于同等条件下常用神经网络方法的识别率. 相似文献
2.
LM算法在神经网络语音识别中的应用 总被引:1,自引:1,他引:0
输入语音信号中声音的特征提取和分类识别可以通过多层前馈神经网络大量学习实现,但基于误差反向传播的前馈神经网络(BP神经网络)标准算法收敛速度慢,在训练中效率不高。采用一种快速稳定的Levenberg-Marquardt算法进行语音识别,通过对语音信号的预处理、特征提取和网络结果优化,建立了网络训练样本集,用MATLAB进行了仿真,仿真结果表明,该算法优于传统的BP算法,具有更好的收敛性。 相似文献
3.
研究一种基于神经网络的端到端中文语音识别算法.算法将语音信息处理为频谱图,基于频谱图,设计和实现一种基于卷积神经网络和循环神经网络的深度学习模型结构用于中文语音识别.模型以汉字作为标签样本,运用训练算法和序列损失函数进行模型迭代训练最终模型;采用开源数据集,通过实验验证网络结构对识别效果的影响,同时对比传统的语音识别算... 相似文献
4.
语音识别中HMM与自组织神经网络结合的混合模型 总被引:9,自引:0,他引:9
基于隐马尔可夫模型和自组织神经网络模型提出了一种用于语音识别的混合模型,给出了训练调整权向量的算法,实验结果表明其在语音识别中具有很好的性能· 相似文献
5.
介绍了一种基于多层前向神经网络的电流控制逆变器,给出了神经网络及逆变器的具体实现方法与设计.为了提高神经网络的学习训练速度,笔者采用具有较快收敛速度的递推最小二乘算法(RLS)用于网络权值的训练.应用研究表明该逆变器较传统逆变器具有动态响应速度快,静态精度较高等优点. 相似文献
6.
7.
多层神经网络BP算法的改进 总被引:8,自引:0,他引:8
多层神经网络BP算法的改进姚瑞波孙国雄汤崇熙(东南大学机械工程系,南京210018)目前,前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域.BP算法作为其学习方式有效地解决了XOR、T-C匹配问题,但BP网络的学习过程是对一个高... 相似文献
8.
根据加权倒谱距离测度,构造了一种用于非特定人语音识别的函数链神经网络,并结合所提出的自适应函数链神经网络学习算法,不但大大缩短了网络的学习时间,而且使得该网络具有较高的识别率,采用10人(5男、5女)的语音数据对汉语10个数字进行了实验,正确识别率为94.2%. 相似文献
9.
赵群 《大庆师范学院学报》2014,(6):1-4
蚁群优化(Ant Colony Optimization,ACO)算法是根据解决不同优化问题的多个蚂蚁算法所归纳出的解决复杂的组合优化问题的一个一般框架。本文首先研究ACO算法的原理及其结构框架,在此基础上,引入蚁群优化算法进行小波神经网络的训练,对ACO训练小波神经网络步骤和方法进行了研究。并与BP算法、遗传算法、模拟退火算法进行性能比较,将各种方法训练的小波神经网络用于噪声环境下的语音识别。仿真结果表明,基于ACO算法训练的神经网络在收敛速度上更具有优势,能够获得较小的均方误差值,对于非特定人噪声环境下的语音识别的正确率达到96%,是一种有效的语音识别方法。 相似文献
10.
11.
当前非定特人语音识别算法大多只适于连续语音,且识别精度和速度均较低。为此,提出一种新的基于BP神经网络的非特定人语音识别算法,介绍了标准BP神经网络,针对其收敛速度慢的弊端,通过变化的自适应学习速率,令网络训练针对各种阶段自行设置学习速率值,利用变学习速率构建对应的改进BP神经网络模型,将改进的BP神经网络模型看作识别非特定语音的识别器,输入待识别语音,令累计预测残差达到最小,实现非特定人语音识别。将改进模型应用于非特定人语音识别中进行验证,结果表明所提算法识别率更高、识别速度更快,不仅适于连续语音的识别,也适于不连续语音的识别。 相似文献
12.
混合蛙跳算法神经网络及其在语音情感识别中的应用 总被引:3,自引:1,他引:2
该文将混合蛙跳算法(SELA)优化方法应用于人工神经网络训练中,对6种语音情感进行了语音情感特征的分析与识别。研究了谐波噪声比特征随情感类别的变化特性。利用混合蛙跳算法训练随机产生的初始数据优化神经网络的连接权值,快速实现了网络收敛。实验比较了BP神经网络、RBF神经网络和SFLA神经网络的语音情感识别性能。结果表明,SFLA神经网络的平均识别率分别高于BP神经网络和RBF神经网络4.7%和4.3%。 相似文献
13.
针对说话人语音特征空间边界存在模糊性的特点,构建了一种量子神经网络识别分类器,用于说话人识别,以改善存在交叉数据的语音特征参数的分类效果。提出了一种基于人工免疫算法的量子间隔训练方法,以改善传统量子神经网络训练算法的不足。以TIMIT语音库为测试语音,与传统BP网络和基于常规梯度下降量子间隔训练算法的量子神经网络做对比实验。实验证明,算法能有效提高说话人识别系统的识别率,同时与高斯混合模型相比,具有更好的抗噪声性能。 相似文献
14.
15.
16.
一种新型前向神经网络用于汉语四声识别 总被引:3,自引:0,他引:3
提出了一种新型的前向神经网络,并研究了其在语音识别中的应用。该神经网络为只含一层非线性隐层的前向神经网络,以线性的输出层代替一般BP网络的非线性输出层,可以更准确地,范围更大地完成非线性函数估值功能。该神经网络采用了包括反向传播算法及最小均方算法的混合算法进行训练,可以减少落入局部最小点的概率以及提高收敛速度。 相似文献
17.
介绍了径向基函数神经网络的原理、训练算法,并建立了RBF神经网络的语音情感识别的模型。在实验中比较了BP神经网络与RBF神经网络分别用于语音情感识别识别率,RBF神经网络的平均识别率高于BP神经网络3%。结果表明,基于RBF神经网络的语音情感识别方法的有效性。 相似文献