数学的实践与认识
數學的實踐與認識
수학적실천여인식
MATHEMATICS IN PRACTICE AND THEORY
2010年
6期
113-118
,共6页
粒子群优化%模糊神经网络%语音识别
粒子群優化%模糊神經網絡%語音識彆
입자군우화%모호신경망락%어음식별
针对模糊神经网络训练采用BP算法比较依赖于网络的初始条件,训练时间较长,容易陷入局部极值的缺点,利用粒子群优化算法(PSO)的全局搜索性能,将PSO用于模糊神经网络的训练过程.由于基本PSO算法存在一定的早熟收敛问题,引入一种自适应动态改变惯性因子的PSO算法,使算法具有较强的全局搜索能力.将此算法训练的模糊神经网络应用于语音识别中,结果表明,与BP算法相比,粒子群优化的模糊神经网络具有较高的收敛速度和识别率.
針對模糊神經網絡訓練採用BP算法比較依賴于網絡的初始條件,訓練時間較長,容易陷入跼部極值的缺點,利用粒子群優化算法(PSO)的全跼搜索性能,將PSO用于模糊神經網絡的訓練過程.由于基本PSO算法存在一定的早熟收斂問題,引入一種自適應動態改變慣性因子的PSO算法,使算法具有較彊的全跼搜索能力.將此算法訓練的模糊神經網絡應用于語音識彆中,結果錶明,與BP算法相比,粒子群優化的模糊神經網絡具有較高的收斂速度和識彆率.
침대모호신경망락훈련채용BP산법비교의뢰우망락적초시조건,훈련시간교장,용역함입국부겁치적결점,이용입자군우화산법(PSO)적전국수색성능,장PSO용우모호신경망락적훈련과정.유우기본PSO산법존재일정적조숙수렴문제,인입일충자괄응동태개변관성인자적PSO산법,사산법구유교강적전국수색능력.장차산법훈련적모호신경망락응용우어음식별중,결과표명,여BP산법상비,입자군우화적모호신경망락구유교고적수렴속도화식별솔.