学位论文 > 优秀研究生学位论文题录展示
文化算法优化RBF神经网络及应用研究
作 者: 魏秀
导 师: 张雪英
学 校: 太原理工大学
专 业: 通信与信息系统
关键词: 语音识别 RBF神经网络 文化算法 小生境算法 动态接受函数
分类号: TP183
类 型: 硕士论文
年 份: 2011年
下 载: 75次
引 用: 0次
阅 读: 论文下载
内容摘要
随着生活节奏的日益加快,人们更加迫切希望可以方便、快速的与计算机直接地进行交流。语音作为一种最理想的人机交互方式,使之成为该领域的研究重点。语音识别技术承载着这一使命应运而生。现阶段,语音识别技术还主要是基于线性系统的研究,从而羁绊着该技术的进一步深入发展,研究人员意识到要想取得实质性进展,非线性方法的引进刻不容缓。20世纪80年代以来,人工神经网络等非线性理论用于解决非线性问题成为研究热点。RBF作为一种新兴有效的前馈式神经网络,以其结构简单、训练速度快、分类性能好、泛化能力强等优点,在语音识别领域得到越来越广泛的关注和应用。RBF拓扑结构中的各参数是在训练过程中动态确定的,使网络具有更好的适应性。但是网络的性能对隐节点基函数的中心的选取非常敏感。文化算法作为一种新近的优化算法,具有良好的全局搜索性能。本文的研究内容为用文化算法优化RBF神经网络隐结点基函数的中心来提高网络的性能,并将其应用的语音识别系统中。研究工作主要包括以下几点:1、引进一种新兴的具有全局搜索性能的文化算法框架模型。由于该算法的研究还处于起步阶段,还未形成固有模式,模型的建立依赖于具体问题的设定,所以笔者针对本文研究的需要,对解决非线性无约束优化问题,设计文化算法框架的各组成部分。其中种群空间采用遗传算法,并通过仿真实验对文化算法与单独使用遗传算法时,算法的性能进行比较。2、设计小生境动态接收函数。文化算法的接受函数是影响文化算法性能的关键所在,直接影响算法的收敛性及执行效率。所以本文引入小生境算法中动态选择各小生境规模的机制,根据每次迭代后群体中个体实际情况自适应地调整接受优秀个体的数目,提出小生境动态接受函数。并通过仿真实验和使用已有的几种接受函数的文化算法的性能进行比较。3、用文化算法训练RBF神经网络来确定其基函数的中心来优化的RBF网络,并应用到语音识别系统中。
|
全文目录
摘要 3-5 ABSTRACT 5-8 目录 8-10 第一章 绪论 10-16 1.1 语音识别概述 10-12 1.1.1 引言 10 1.1.2 语音识别的发展过程及其现状 10-12 1.1.3 语音识别面临的困难 12 1.2 文化算法与RBF网络 12-13 1.3 论文完成工作 13-14 1.4 本论文的组织 14-16 第二章 语音识别的基本原理与技术 16-28 2.1 语音识别基本原理 16 2.2 语音信号的产生 16-17 2.3 语音信号的预处理 17-22 2.3.1 抗混叠滤波与预加重 17-18 2.3.2 分帧加窗处理 18-19 2.3.3 端点检测 19-22 2.4 语音信号的特征提取 22-24 2.4.1 过零率与峰值幅度(ZCPA) 22-24 2.5 孤立词(字)语音识别系统 24-26 2.6 小结 26-28 第三章 径向基神经网络 28-40 3.1 人工神经网络介绍 28-32 3.1.1 人工神经元模型 28-29 3.1.2 神经网络结构 29-30 3.1.3 神经网络的学习方式 30-32 3.2 RBF神经网络的原理 32-33 3.3 RBF神经网络结构 33-35 3.4 RBF神经网络的学习算法 35-39 3.5 小结 39-40 第四章 文化算法 40-66 4.1 文化算法的研究现状 40-41 4.2 文化算法的框架 41-44 4.3 解决非线性无约束优化问题的文化算法 44-57 4.3.1 种群空间 44 4.3.2 知识空间及其更新 44-48 4.3.3 通信协议 48-51 4.3.4 算法步骤 51 4.3.5 实验仿真 51-57 4.4 小生境文化算法 57-65 4.4.1 小生境算法原理 57-59 4.4.2 小生境文化算法 59-62 4.4.3 实验仿真 62-65 4.5 小结 65-66 第五章 文化算法优化RBF神经网络在语音识别系统中的应用 66-72 5.1 实验过程 66-68 5.2 实验结果及结论 68-70 5.3 小结 70-72 第六章 总结与展望 72-74 6.1 全文工作总结 72-73 6.2 进一步工作的展望 73-74 参考文献 74-78 致谢 78-80 攻读学位期间发表的学术论文目录 80
|
相似论文
- 多重ANN/HMM混合模型在语音识别中的应用,TN912.34
- 基于DSP的机器人语音命令识别系统研制,TN912.34
- 在智能手机环境下健康管理功能设计与研究,TN929.53
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 制造业绿色产品研发的风险识别与评价研究,F205;F224
- 移动音视频交互业务执行平台的研究,TN915.09
- 基于RBF的人工神经网络在PCB钻孔工艺中的应用,TN405
- 网络化控制系统故障诊断与容错控制研究,TP273
- 直线电梯单电磁悬浮导向系统RBF神经网络滑模控制,TP273
- 基于人工智能优化算法的聚丙烯熔融指数预报建模优化研究,TQ325.14
- 无人直升机鲁棒及自适应容错控制技术研究,V249.1
- 呼叫中心IVR系统的设计与实现,TN99
- 基于HMM的机器人语音识别系统的研究,TN912.34
- 基于改进MFCC的语音识别系统研究及设计,TN912.34
- 基于神经网络锅炉燃烧系统的模型研究,TK223.2
- 仿真机器人控制系统,TP242
- 基于回波包络特征的超声波入侵探测方法研究,TP274.53
- 基于神经网络的莫尔条纹信号细分方法及应用,TP274
- 钕铁硼氢粉碎工艺计算机控制系统的研究,TP273.5
- 基于RBF神经网络的手绘电气草图识别研究,TP391.41
- 基于VoiceXML的语音智能交互平台的研究与实现,TP311.52
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|