多类分类优化模块神经网络学习算法指南.pdfVIP

通信学报/980612 通信学报 科技期刊 JOURNAL OF THE CHINA INSTITUTE OF COMMUNICATIONS 1998年 第19卷 第6期 短　　文 Concise Papers 多类分类优化模块神经网络学习算法 江铭虎　袁保宗　林碧琴 (北方交通大学信息科学研究所　北京 100044) 摘　要　针对音素识别中Waibel模块网络训练时间长，Anand模块网络难以扩展新样本类的缺陷，本文提出一种 优化模块网络结构，使模块网络数量和训练时间均小于Anand模块网络，它保留了Waibel模块网络的优点，易于 扩展新的辅音类，可单独对每一模块进行训练，且使训练时间只有Waibel模块网络的1/3，而识别性能基本相 同。 关键词　优化模块网络　时延神经网络　多类分类　辅音音素 The Learning Algorithms of Optimum Modular Neural Networks in Multiclass Classification Jiang Minghu　　Yuan Baozong　　Lin Biqin (Institute of Information Science, Northern Jiaotong University, Beijing 100044) Abstract　To counter the shortcomes that Waibel modular nets speed long time training in phoneme recognition, Anand modular nets are difficult to expand new sample classes, so that a architecture of optimum modular neural net (OMNN) is put forward in this paper. The numbers and the train time of the OMNN are less than ones of Anand. It still retains the advantages of Waibel modular nets which easily expand new consonant classes, separately train each modular net, while the train time is only 1/3 times Waibel modular nets, and the recognized performance is the same on the whole. Key words　Optimum Modular Net, Time-Delay Neural Network, Multiclass Classification, Consonant Phoneme 1　引言 　　BP网络反传算法是减少实际输出与目标输出的欧氏距离，但在区分多类问题的训练初期，网络的某些参数 ［1］ 其作用抑制着输出误差的变化，这样反过来使权变化减少，训练时间加长。为解决这一问题，A.Waibel 首 先提出了模块结构神经网络，用于23个日语音素分类，它比非模块网络训练时间少，可单独训练每一模块网 ［2］ 络，易于扩展新的样本类。R.Anand提出了另