厦门大学学报（自然科学版）
廈門大學學報（自然科學版）
하문대학학보（자연과학판）
JOURNAL OF XIAMEN UNIVERSITY (NATURAL SCIENCE)
2006年
1期
44-46
,共3页
HMM%ANN%隐节点剪枝算法%广义Hebb算法
HMM%ANN%隱節點剪枝算法%廣義Hebb算法
HMM%ANN%은절점전지산법%엄의Hebb산법
神经网络能依靠权值进行长时间记忆和知识存储,但是对输入模式的瞬时相应的记忆能力比较差;而隐马尔科夫模型的短时记忆的能力比较强,但是假定的前提又与实际情况不符.因此,采用HMM和ANN的混合模型来取双方之长,并在这种混合模型的基础上,对神经网络从结构设计、训练、到训练后期的结构调整进行了全程的优化;应用隐节点剪枝算法,并利用广义的Hebb规则重新确定网络的参数.实验表明,这种混合模型在语音识别中取得了良好的效果.
神經網絡能依靠權值進行長時間記憶和知識存儲,但是對輸入模式的瞬時相應的記憶能力比較差;而隱馬爾科伕模型的短時記憶的能力比較彊,但是假定的前提又與實際情況不符.因此,採用HMM和ANN的混閤模型來取雙方之長,併在這種混閤模型的基礎上,對神經網絡從結構設計、訓練、到訓練後期的結構調整進行瞭全程的優化;應用隱節點剪枝算法,併利用廣義的Hebb規則重新確定網絡的參數.實驗錶明,這種混閤模型在語音識彆中取得瞭良好的效果.
신경망락능의고권치진행장시간기억화지식존저,단시대수입모식적순시상응적기억능력비교차;이은마이과부모형적단시기억적능력비교강,단시가정적전제우여실제정황불부.인차,채용HMM화ANN적혼합모형래취쌍방지장,병재저충혼합모형적기출상,대신경망락종결구설계、훈련、도훈련후기적결구조정진행료전정적우화;응용은절점전지산법,병이용엄의적Hebb규칙중신학정망락적삼수.실험표명,저충혼합모형재어음식별중취득료량호적효과.
