基于HMM和新型前馈型神经网络的语音识别研究
为了进一步提高语音识别系统的准确率,使语音产品应用更加方便,提出了一种隐马尔可夫模型和代数神经网络相结合的语音识别方法.利用隐马尔可夫模型生成最佳语音状态序列,将最佳状态序列的输出概率作为前馈型神经网络的输入,通过代数神经网络进行分类识别.使用Matlab7.0实验平台进行仿真,实验结果表明,与传统神经网络相比,该方法在收敛速度、鲁棒性和识别率方面都有改善.
隐马尔可夫模型、神经网络、代数算法、代价函数、语音识别
31
TP391.42(计算技术、计算机技术)
国家863高技术研究发展计划基金项目2006AA01Z328
2011-03-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
5324-5327