共查询到20条相似文献,搜索用时 187 毫秒
1.
主要内容是建立一种基于RBF神经网络的语音识别系统,探讨RBF神经网络在语音识别中的应用.利用有序聚类算法对语音信号进行时间归整,构建一个RBF神经网络,采用自适应的方法确定网络隐节点的个数,用线性最小二乘法确定隐层到输出层的权值,用语音信号的LPCC参数的训练和识别.在Matlab中完成实验,语音信号的识别率达到85%,并且还有很大的提升空间.实验表明RBF神经网络在语音识别中有发展的前景. 相似文献
2.
鉴于BP网络训练时间过长,且易于陷入局部最优解,本文采用RBF网络来实现元音字母的语音识别。RBF网络的构造通过一种动态自适应聚类算法来完成,使得RBF网络具有在线学习能力。示例计算结果表明,这种RBF网络具有比BP网络和贝叶斯分类器更好的分类精度。 相似文献
3.
基于粒子群优化神经网络的语音情感识别 总被引:1,自引:0,他引:1
提出了一种基于粒子群优化算法的人工神经网络,并把它应用到语音情感识别系统中。依据情感的维度空间模型,分别提取了韵律特征与音质特征,研究了谐波噪声比特征随情感类别的变化。利用粒子群优化算法(PSO)训练随机产生的初始数据,优化神经网络的连接权值和阈值,快速地实现网络的收敛。在实验中比较了BP神经网络、RBF神经网络与PSO神经网络分别用于语音情感识别的识别率,PSO神经网络的平均识别率高于BP神经网络6.7%,高于RBF神经网络5.4%。结果显示,粒子群优化神经网络用于语音情感识别提高了识别性能。 相似文献
4.
一种基于HMM和ANN的语音情感识别分类器 总被引:2,自引:0,他引:2
针对在语音情感识别中孤立使用隐马尔科夫模型(HMM)固有的分类特性较差的缺点,本文提出了利用隐马尔科夫模型和径向基函数神经网络(RBF)对惊奇,愤怒,喜悦,悲伤,厌恶5种语音情感进行识别的方法。该方法借助HMM规整语音情感特征向量,并用RBF作为最终的决策分类器。实验结果表明在本文的实验条件下此方法和孤立HMM相比具有更好的性能,厌恶的识别率有了较大改进。 相似文献
5.
6.
本文建立了一种基于RBF神经网络的声纹识别系统。提取了Mel频率倒谱系数及其一阶差分参数,利用时间规整网络对所得参数进行了有效的简化,运用RBF神经网络对声纹特征参数进行了训练和识别。Matlab的实验结果表明,RBF神经网络在声纹识别中具有良好的发展前景。 相似文献
7.
介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了一种基于RBF神经网络的传感器非线性校正模型及其算法,并与采用BP神经网络校正非线性误差进行了比较,并给出一个仿真实验,实验结果表明:采用RBF神经网络的传感器非线性校正精度和网络训练速度均大大优于BP神经网络,能满足实用要求. 相似文献
8.
基于径向基神经网络的月降水量预测模型研究 总被引:2,自引:0,他引:2
针对月降水量高度非线性的特点,以合肥20年的月降水量为时间序列,综合运用径向基函数(RBF)神经网络,建立了一种基于径向基函数的神经网络预测模型。首先对RBF神经网络进行介绍,并将该网络应用于月降水量预测,应用归一化方法对原始数据进行预处理;然后运用MATLABR2008神经网络工具箱函数建立月降水量预测模型;最后进行仿真实验与分析,将RBF神经网络与传统的BP网络训练预测结果进行比较。结果显示,RBF神经网络模型训练的迭代次数和训练时间、预测结果明显好于传统BP神经网络。 相似文献
9.
10.
11.
结合聚类思想神经网络文本分类技术研究* 总被引:1,自引:0,他引:1
针对传统的基于神经网络文本分类算法收敛速度慢等缺点,在分析了文本分类系统的一般模型,以及在应用了互信息量的特征提取方法提取特征项后,提出了一种基于样本中心的径向基神经网络文本分类算法;并引入了聚类算法的核心思想,改进误差反向传播神经网络分类算法收敛速度较慢的缺点。实验结果表明,提出的改进算法与传统的BP神经网络分类算法相比,具有较高的运算速度和较强的非线性映射能力,在收敛速度和准确程度上也有更好的分类效果。 相似文献
12.
改进的RBF网络及其参数优化方法 总被引:7,自引:0,他引:7
该文提出了一个改进的RBF网络及其参数优化方法。将典型的三层RBF网络改为一个两层RBF和一个单层感知器的串联网络。参数优化方法自动确定核函数个数,并根据核函数输出误差用BP算法修正核函数中心和宽度。根据样本分布的不规则性,引入了子类的概念,使每个类由若干子类覆盖,每个类生成一个单独的网络。实验表明,这种方法能得到较优的网络结构及其参数,并且提高了RBF网络中BP算法的收敛速度。 相似文献
13.
14.
Osman H. Fahmy M.M. 《IEEE transactions on systems, man, and cybernetics. Part B, Cybernetics》1997,27(3):488-497
Recent research has linked backpropagation (BP) and radial basis function (RBF) network classifiers, trained by minimizing the standard mean square error (MSE), to two main topics in statistical pattern recognition (SPR), namely the Bayes decision theory and discriminant analysis. However, so far, the establishment of these links has resulted in only a few practical applications for training, using, and evaluating these classifiers. The paper aims at providing more of these applications. It first illustrates that while training a linear output BP network, the explicit utilization of the network discriminant capability leads to an improvement in its classification performance. Then, for linear output BP and RBF networks, the paper defines a new generalization measure that provides information about the closeness of the network classification performance to the optimal performance. The estimation procedure of this measure is described and its use as an efficient criterion for terminating the learning algorithm and choosing the network topology is explained. The paper finally proposes an upper bound on the number of hidden units needed by an RBF network classifier to achieve an arbitrary value of the minimized MSE. Experimental results are presented to validate all proposed applications. 相似文献
15.
针对网络安全态势预测,为了提高预测精度和预测算法的收敛速度,采用一种改进的粒子群算法(PSO)来优化径向基函数(RBF)神经网络.首先,PSO的惯性权重因子按一条开口向左的抛物线递减,在保证全局寻优的同时又增强了局部搜索能力;其次,通过权重因子的调节自动寻优,并将搜寻到的全局最优值解码成RBF的网络参数;最后,通过优化的RBF网络进行网络安全态势预测.仿真实验表明,改进后的算法能较准确地预测网络安全态势.与BP算法和RBF算法相比,本文算法在预测精度上有所提高,同时收敛速度加快,能达到更好的预测效果. 相似文献
16.
为了提高径向基函数RBF神经网络预测模型对短时交通流的预测准确性,提出了一种基于改进人工蜂群算法优化RBF神经网络的短时交通流预测模型。利用改进人工蜂群算法确定RBF网络隐含层的中心值以及隐含层单元数,然后训练改进的人工蜂群算法RBF神经网络预测模型,并将其应用到某城市4天的短时交通流量数据的验证。将实验结果与传统RBF神经网络预测模型、BP神经网络预测模型和小波神经网络预测模型进行了比较。对比结果表明,该方法对短时交通流具有更高的预测准确性。 相似文献
17.
18.
径向基神经网络重建自由曲面的探讨 总被引:9,自引:1,他引:8
提出了采用神经网络重建自由曲面的方法,建立了用于曲面重建的径向基函数神经网络模型,提出并论证了神经网络用于密集散乱点曲面重建的方案,与常规的重构方法对比,分析了其优点和关键技术,着重讨论了径向基函数神经网络模型,仿真实验表明:采用二层的径向基函数网络,对单个曲面片的拟合精度和网络训练速度大大优于BP网,完全满足实用要求,具有一定的理论与实用意义。 相似文献
19.
基于神经网络应用的光伏阵列最大功率点跟踪 总被引:1,自引:0,他引:1
针对光伏电池输出特性的非线性,提出了1种跟踪光伏阵列最大功率点的新方法,该方法应用反向传播(back propagation)和径向基(RBF)神经网络理论跟踪光伏阵列最大功率点,在变化的环境条件下,使用MATLAB软件对这2种神经网络进行仿真,训练及测试,仿真表明,RBF神经网络比BP神经网络更快捷、更准确地跟踪了光伏阵列的最大功率点。 相似文献
20.
基于RBF网络的商品混凝土强度预测分析 总被引:4,自引:0,他引:4
提出具有9个输入节点, 1个输出节点的 RBF神经网络模型来模拟抗压强度及其影响因素之间复杂非线性关系.作为对比,作者同时比较了3种不同输入模型的RBF网络的预测效果并与传统的BP网络模型进行比较,结果表明,文章提出的RBF网络模型具有很高的预测精度和较强的泛化能力,可作为商品混凝土性能分析的一种新型有效的方法. 相似文献