基于bp的數(shù)據(jù)分類ppt課件(編輯修改稿)
2025-06-06 23:41 本頁面
【文章內(nèi)容簡介】 模式相比較，獲得最佳匹配的參考模式為該段語音的識 .洲結(jié)果。語音識別流程如圖 282所示。 圖 282 語音識別流程圖 BP神經(jīng)網(wǎng)絡(luò)構(gòu) .建根據(jù)系統(tǒng)輸人輸出數(shù)據(jù)特點確定 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) ，由丁語音特征輸入信號有 24維 ， 待分類的語音信號共有 4類 ， 所以 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為 24254， 即輸人層有 24個節(jié)點 ， 隱含層有 25個節(jié)點 ， 輸出層有 4個節(jié)點 。 第二十八章 MATLAB優(yōu)化算法案例分析與應(yīng)用 ? BP網(wǎng)絡(luò)的語音信號識別 %% 網(wǎng)絡(luò)預(yù)測輸出 x=inputn(:,i)。 % 隱含層輸出 for j=1:1:midnum I(j)=inputn(:,i)39。*w1(j,:)39。+b1(j)。 Iout(j)=1/(1+exp(I(j)))。 end % 輸出層輸出 yn=w239。*Iout39。+b2。 %% 權(quán)值閥值修正 %計算誤差 e=output_train(:,i)yn。 E(ii)=E(ii)+sum(abs(e))。 %計算權(quán)值變化率 dw2=e*Iout。 db2=e39。 第二十八章 MATLAB優(yōu)化算法案例分析與應(yīng)用 ? BP網(wǎng)絡(luò)的語音信號識別 0 50 100 150 200 250 300 350 400 450 50011 . 522 . 533 . 54 預(yù)測語音類別實際語音類別圖 283 預(yù)測信號 第二十八章 MATLAB優(yōu)化算法案例分析與應(yīng)用 ? BP網(wǎng)絡(luò)的語音信號識別 圖 284 誤差信號 0 50 100 150 200 250 300 350 400 450 5003 2 . 5
公司管理相關(guān)推薦
鄂ICP備17016276號-1