【神经网络学习算法及语音输入控制研究】金兆丰.pdf

前言一个多世纪以来,思想家和科学家一直在探究人的大脑构筑函数与思维运转机制。尤其是近二十年来,人们在对与大脑有关的感觉器官的仿生方面做了不少工作。然而,至今我们还在寻求其中的奥妙.人脑含有数亿个神经元,并以特殊的复杂的方式组织在一起,它能够在“计算”某些问题时比目前最快的计算机还要快许多倍。生物系统的时间常数在1.100ms,传输率不超过100Hz,而VLSI硅器件的时间常数为10ns,传输率相当100MHz。虽然单个神经元要比电子元件慢数百万倍,然而生物系统处理速度要比电子系统处理速度快许多倍,人们自然会想到生物系统组织的构筑方式和思维的运转机制绝非平常。

14-293 目录第二章人工神经网络原理 2神经元多层感知器 2梯度算法 2多层感器学习的定量分析第三章联想记忆神经网络 3联想记忆神经网络 3ANN学习算法相关程序过程.第四章语音识别控制的实现 4低通滤波器和A/D模数转换 4条件中值滤波起始点和结束点的测定 4时间的扭曲处理距离的测量语音的输入存储与控制 4语音样音输入存储 4语音输入控制的输入 4.

5- 语音识别是模式识别领域中的一个极其活跃的分支。语音识别的过程包含着从低层次到高层次的各个阶段及其彼此间的相互作用。神经网络方法已应用在语音识别的各层次,但迄今成功的例子多数集中在从特征抽取到音素变换这一层次,用于语音识别的神经网络结构也是多种多样的,一般来讲,在低层次的应用例子中,多采用前馈层状模型,而在高层次的应用例子中,则用带环路的网络状模型。这些结构的神经网络多采用B-P算法或玻尔兹曼机等广泛应用的学习方法,或者是这些学习算法的修正方法。