基于LM算法的神经网络语音识别

摘要：

由于语音识别中采用标准BP算法存在的训练速度慢、容易陷入局部极小等问题,提出一种基于稳定、快速的Levenberg-Marquardt算法的神经网络语音识别方法,主要包括语音信号预处理、特征提取、网络结构优化设计、网络学习训练和语音识别等过程.其中网络隐含层节点数的选取采用黄金分割优选法.试验仿真表明,LM算法明显提高了网络训练速度,减少了训练时间,其效果优越于标准BP算法.

关键词：神经网络、语音识别、标准BP算法、Levenberg-Marquardt算法、黄金分割优选法

所属期刊栏目：27

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金60377020

在线出版日期：2006-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2534-2536,2539