排序方式： 共有3条查询结果，搜索用时 31 毫秒
1
1.
剖析了用神经网络实现特征主元提取（ＰＣＥ）、自组织特征影射（ＳＯＦＭ）、类扩展自组织语义影射（ＳＯＳＭ）和改进的特征细化自组织影射。通过对运载工具的特征压缩，进行可视性分析，结果表明ＰＣＥ和ＳＯＦＭ都能显示事物间的类似程度和关系结构，具有语义影射的功能。特征细化的ＳＯＦＭ同样能达到类扩展ＳＯＳＭ细化分类的功能，它克服了类扩展的ＳＯＳＭ增加输入特征的维数、增加不必要的计算量、输入特征与影射结果不相一 相似文献
2.
噪音环境下语音识别理解系统的研究 总被引：1，自引：0，他引：1
根据人对语言的认知过程提出了含噪语音识别理解的模型，语音识别采用两级模块扩展联想记忆神经网络，第一级扩展联想网络将待识别语音类分组，第二级分支扩展联想网络实现各自组内的区分，两级模块扩展联想网络的学习速度比传统ＢＰ网络快９倍，它对噪音语音信号具有很高的自适应性、鲁棒性、容错性和联想记忆能力。语音理解提取语音识别的候选词，采用统计推理和句法规则相结合的多层分析查错的结构，由统计推断库预测下一词，句法 相似文献
3.
将扩展联想记忆神经网络用于噪音语音识别，它是在一多层感知器（ＭＬＰ）后接一反馈构成，对于反馈联想网络，我们提出基于误差反传的快速梯度学习算法，从而提高网络的联想记忆能力的训练速度，通过改变误差能量函数，使权值修正根据的大小而改变，并导出相应的快速算法，使扩展联想网络的速度提高３－５倍，整个系统具有很高的自适应性、鲁棒性容错性、和联想记忆能力。最后根据语音识别结果提取概念，进行拓扑义影射，在平面上反 相似文献
1