计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2007年
22期
28-30
,共3页
语音识别%RBF神经网络%聚类算法%全监督算法
語音識彆%RBF神經網絡%聚類算法%全鑑督算法
어음식별%RBF신경망락%취류산법%전감독산법
针对目前在噪音环境下语音识别系统性能较差的问题,利用RBF神经网络具有最佳逼近性能、训练速度快等特性,分别采用聚类和全监督训练算法,实现了基于RBF神经网络的抗噪语音识别系统.聚类算法的隐合层训练采用K一均值聚类算法,输出层的学习采用线性最小二乘法;全监督算法中所有参数的调整基于梯度下降法,它是一种有监督学习算法,能够选出性能优良的参数.实验表明,在不同的信噪比下,全监督算法较之聚类算法有更高的识别率.
針對目前在譟音環境下語音識彆繫統性能較差的問題,利用RBF神經網絡具有最佳逼近性能、訓練速度快等特性,分彆採用聚類和全鑑督訓練算法,實現瞭基于RBF神經網絡的抗譟語音識彆繫統.聚類算法的隱閤層訓練採用K一均值聚類算法,輸齣層的學習採用線性最小二乘法;全鑑督算法中所有參數的調整基于梯度下降法,它是一種有鑑督學習算法,能夠選齣性能優良的參數.實驗錶明,在不同的信譟比下,全鑑督算法較之聚類算法有更高的識彆率.
침대목전재조음배경하어음식별계통성능교차적문제,이용RBF신경망락구유최가핍근성능、훈련속도쾌등특성,분별채용취류화전감독훈련산법,실현료기우RBF신경망락적항조어음식별계통.취류산법적은합층훈련채용K일균치취류산법,수출층적학습채용선성최소이승법;전감독산법중소유삼수적조정기우제도하강법,타시일충유감독학습산법,능구선출성능우량적삼수.실험표명,재불동적신조비하,전감독산법교지취류산법유경고적식별솔.
