10.16526/j.cnki.11-4762/tp.2017.05.062
基于SFLA优化BP神经网络的语音信号分类
BP神经网络是一种多层前馈网络,数据经过网络的输入层、隐含层逐层处理后,由输出层进行输出,通过和期望输出的对比进行反向传播,调整网络参数使输出不断逼近期望输出;在使用BP神经网络对语音特征信号进行分类的过程中,会出现BP神经网络易陷入局部最优解、学习收敛速度慢的问题;针对此问题提出一种基于SFLA优化BP神经网络权值和阀值的方法,引入SFLA算法优化网络权值和阀值,利用SFLA优化后的BP网络模型进行语音特征信号分类;仿真结果表明,经SFLA优化后的BP神经网络与未优化的神经网络相比,不仅训练速度快,而且误差小,语音特征信号分类的正确率平均提高1.31%.
BP神经网络、SFLA、优化、分类
25
TP273(自动化技术及设备)
国家自然科学基金61671309
2017-06-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
225-227,231