(100.26.179.251) 您好!臺灣時間:2021/04/15 16:04
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:李良威
研究生(外文):LI, LIANG-WEI
論文名稱:應用霍普菲爾德神經網路於語音辨認中最佳化問題的研究
論文名稱(外文):A speech recognition system based on Hopfield neural optimization network
指導教授:王駿發李肇嚴
指導教授(外文):WANG, JUN-FALI, ZHAO-YAN
學位類別:碩士
校院名稱:國立成功大學
系所名稱:電機工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1988
畢業學年度:76
語文別:中文
中文關鍵詞:霍普菲爾德神經網路網路華爾恕轉換轉換語音辨認系統辨認
外文關鍵詞:HOPFIELD
相關次數:
  • 被引用被引用:0
  • 點閱點閱:115
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
一、研究背景
語音辨認已發展很多年了,但目前仍局限於傳統的Dynamic Time Warping(DTW) 及
Hidden-Markov Model(HMM) 兩種方法。找尋新的辨認方法及應用VLSI技術一直是
研究語音辨認者所追求的目標。
二、研究方法
在本論文中,我們應用具有解決最佳化問題的特性之霍普菲爾德(Hopfield)神經網
路,來解決語音辨認中如何求出兩組樣本(pattern) 之間類似度的問題。此網路在
結構上具重覆性及規則性,並且每一個處理單元的構造都非常簡單。此外當我們在利
用華爾恕轉換拮取語音特徵時可以發現因為相差所產生的問題。並且提出一個一般性
的證明來說明可容忍相差大小和華爾恕轉換級數(order) 之間的關係。
三、結果與討論
我們簡單的應用一個單音且特定語者的語音辨認系統來比較傳統的DTW 與神經網路的
優劣。結果顯示神經網路不但在構造上優於DTW 更在辨認率上稍優於DTW 。雖然這需
要更多的實驗來驗證孰劣,但整體來看,神經網路的優點較多。
四、重要成果簡述
1.提出一個新的訓練(Training)方法。
2.提出一種新的語音辨認方法,不但在辨認率上令人滿意,而且在結構上非常適合
VLSI的製造。
3.證明華爾恕轉換相差與級數間的關係。

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔