粒子群優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)用于語(yǔ)音識(shí)別的研究.pdf

1、語(yǔ)音識(shí)別技術(shù)是近年來高速發(fā)展的一項(xiàng)人工智能技術(shù)，具有廣泛的應(yīng)用前景，在互聯(lián)網(wǎng)、通信、軍事、國(guó)防、人機(jī)交互等方面都有重要的應(yīng)用價(jià)值，長(zhǎng)期以來一直是人們研究的熱點(diǎn)。
　　 語(yǔ)音信號(hào)的非線性和語(yǔ)義的模糊性是語(yǔ)音識(shí)別研究的關(guān)鍵所在。因此，結(jié)合了人工神經(jīng)網(wǎng)絡(luò)的非線性、自學(xué)習(xí)性等特點(diǎn)和模糊系統(tǒng)的模糊推理和模糊劃分等優(yōu)點(diǎn)的模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy Neural Network，F(xiàn)NN)，很快被應(yīng)用到語(yǔ)音識(shí)別中。同時(shí)，粒子群優(yōu)化算法(Parti

2、cle Swarm Optimization，PSO)是一種性能良好的全局優(yōu)化算法，也是一種很有潛力的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法。本文對(duì)粒子群優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別中的應(yīng)用進(jìn)行了深入的研究，取得了以下的成果：
　　 1、針對(duì)傳統(tǒng)BP算法訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)依賴于初始值、訓(xùn)練時(shí)間較長(zhǎng)、易陷入局部極值的問題，本文提出了粒子群算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)。同時(shí)為平衡粒子群算法的全局探索和局部改良能力，算法引入了自適應(yīng)動(dòng)態(tài)改變的慣性因子?？紤]到語(yǔ)音識(shí)別過

3、程中語(yǔ)音特征參數(shù)的維數(shù)都比較大，模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)較復(fù)雜，不宜將全部參數(shù)都采用粒子群算法優(yōu)化，文中利用粒子群算法對(duì)模糊神經(jīng)網(wǎng)絡(luò)模糊層的中心進(jìn)行聚類，寬度和權(quán)值則分別采用距離測(cè)度和偽逆法獲得，將訓(xùn)練好的網(wǎng)絡(luò)應(yīng)用于語(yǔ)音識(shí)別。實(shí)驗(yàn)表明，該算法有很好的識(shí)別性能，在識(shí)別率和收斂速度上都優(yōu)于BP算法訓(xùn)練的網(wǎng)絡(luò)。2、針對(duì)基本粒子群算法易陷入局部極值的問題，本文引入了量子粒子群算法(Quantum-behaved Particle Swarm Opti

4、mization，QPSO)。并用四個(gè)典型的測(cè)試函數(shù)對(duì)兩種優(yōu)化算法的性能進(jìn)行了測(cè)試，結(jié)果表明量子粒子群算法比基本粒子群算法更易找到全局最優(yōu)值，因此本文提出用量子粒子群算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)。
　　 3、針對(duì)當(dāng)前語(yǔ)音識(shí)別系統(tǒng)對(duì)環(huán)境依賴性強(qiáng)、實(shí)現(xiàn)過程復(fù)雜的問題，本文提出了一種改進(jìn)的語(yǔ)音識(shí)別系統(tǒng)，結(jié)合兩種信噪比環(huán)境下的語(yǔ)音對(duì)系統(tǒng)進(jìn)行訓(xùn)練，訓(xùn)練的模板庫(kù)可以適用于任何信噪比下語(yǔ)音的識(shí)別，大大提高了識(shí)別系統(tǒng)對(duì)環(huán)境的適應(yīng)性，簡(jiǎn)化了語(yǔ)音識(shí)別的過程