版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本文提出使用前饋型人工神經(jīng)網(wǎng)絡(luò)對(duì)連續(xù)音頻流中純語音、純音樂、語音+音樂3類音頻進(jìn)行分類的方法。主要針對(duì)兩個(gè)方面:1、哪些特征向量可作為分類的依據(jù)以及哪種特征向量會(huì)取得最佳識(shí)別效果;2、前饋型人工神經(jīng)網(wǎng)絡(luò)的建立、訓(xùn)練和仿真,并根據(jù)已提取的特征向量實(shí)現(xiàn)語音和音樂的自動(dòng)分類。 主要內(nèi)容包括: 1、從Internet特色電臺(tái)實(shí)時(shí)播放的節(jié)目中錄制實(shí)驗(yàn)數(shù)據(jù),包含純語音、純音樂、語音+音樂3類,每類225s。 2、探討了各種參
2、數(shù)提取方法對(duì)分類結(jié)果的影響,通過對(duì)實(shí)驗(yàn)結(jié)果的比較,確認(rèn)了MFCC參數(shù)作為特征參數(shù)時(shí)系統(tǒng)將取得最佳識(shí)別效果。 3、介紹了前饋型人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn),并敘述了在MATLAB6.5中如何實(shí)現(xiàn)前饋型人工神經(jīng)網(wǎng)絡(luò)的建立、訓(xùn)練和仿真,以及利用該網(wǎng)絡(luò)對(duì)純語音、純音樂、語音+音樂3類音頻進(jìn)行分類。 4、提出了利用Levenberg-Marquardt算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并且設(shè)立一個(gè)確認(rèn)集來指示訓(xùn)練的終點(diǎn),防止無休止的訓(xùn)練使網(wǎng)絡(luò)過度適應(yīng)訓(xùn)練
最新文檔
- 基于人工神經(jīng)網(wǎng)絡(luò)的語音識(shí)別研究.pdf
- 前饋人工神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)研究.pdf
- 前饋型神經(jīng)網(wǎng)絡(luò)及其應(yīng)用的研究.pdf
- 基于HMM和人工神經(jīng)網(wǎng)絡(luò)混合模型的漢語語音情感識(shí)別.pdf
- 基于 HM M和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的語音識(shí)別研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的語音LIFE-LOG分類識(shí)別.pdf
- 前饋人工神經(jīng)網(wǎng)絡(luò)的CMOS模擬電路實(shí)現(xiàn)研究.pdf
- 基于覆蓋型神經(jīng)網(wǎng)絡(luò)集成的語音識(shí)別研究.pdf
- 基于隱馬爾可夫和人工神經(jīng)網(wǎng)絡(luò)混合模型的語音識(shí)別.pdf
- 基于復(fù)合神經(jīng)網(wǎng)絡(luò)的語音識(shí)別研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別和分類.pdf
- 基于神經(jīng)網(wǎng)絡(luò)語音識(shí)別算法的研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的語音識(shí)別研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的語音識(shí)別研究.pdf
- 基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的語音識(shí)別研究.pdf
- 基于CMOS模擬技術(shù)的多種前饋人工神經(jīng)網(wǎng)絡(luò)硬件的研究與實(shí)現(xiàn).pdf
- 基于HMM和代數(shù)神經(jīng)網(wǎng)絡(luò)的連續(xù)語音識(shí)別研究.pdf
- 基于遺傳算法的前饋神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計(jì).pdf
- 基于聽覺特性和神經(jīng)網(wǎng)絡(luò)的漢語數(shù)字語音識(shí)別研究.pdf
- 前饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論