机电工程
機電工程
궤전공정
MECHANICAL & ELECTRICAL ENGINEERING MAGAZINE
2007年
12期
20-21,40
,共3页
马尔可夫模型%语音识别%神经网络%遗传算法
馬爾可伕模型%語音識彆%神經網絡%遺傳算法
마이가부모형%어음식별%신경망락%유전산법
为克服隐马尔可夫模型(HMM)在语音识别应用中的缺点和局限性,在语音识别中引入神经网络.采用前馈多层神经网络,用遗传算法和BP算法结合的方式对网络进行训练,克服了传统BP算法收敛速度慢、易陷入局部最小等缺陷.仿真实验结果表明,该模型有效地提高了语音的识别率,并缩短了识别时间,实现了效率与时间的双赢,为算法的实用性奠定了基础.
為剋服隱馬爾可伕模型(HMM)在語音識彆應用中的缺點和跼限性,在語音識彆中引入神經網絡.採用前饋多層神經網絡,用遺傳算法和BP算法結閤的方式對網絡進行訓練,剋服瞭傳統BP算法收斂速度慢、易陷入跼部最小等缺陷.倣真實驗結果錶明,該模型有效地提高瞭語音的識彆率,併縮短瞭識彆時間,實現瞭效率與時間的雙贏,為算法的實用性奠定瞭基礎.
위극복은마이가부모형(HMM)재어음식별응용중적결점화국한성,재어음식별중인입신경망락.채용전궤다층신경망락,용유전산법화BP산법결합적방식대망락진행훈련,극복료전통BP산법수렴속도만、역함입국부최소등결함.방진실험결과표명,해모형유효지제고료어음적식별솔,병축단료식별시간,실현료효솔여시간적쌍영,위산법적실용성전정료기출.
