神经网络声音信号分类.pptVIP

* * 目录 一、问题的提出 二、程序流程 三、实验结果 四、参数选择对结果的影响 五、神经网络的容错能力 六、并行训练的尝试 七、增加隐含层的尝试 八、总结 本文档共23页；当前第1页；编辑于星期二\4点24分 一、问题的提出 本任务选取了民歌、古筝、摇滚和流行四类不同音乐，每段音乐都用倒谱系数法提取5OO组24维语音特征信号，用BP神经网络实现对这四类音乐音的有效分类。 基于BP神经网络的语音特征信号分类算法建模包括BP神经网络构建,BP神经网络训练和BP神经网络分类三步，算法流程如图所示。 本文档共23页；当前第2页；编辑于星期二\4点24分 二、程序流程 ·神经网络选择24输入，1个隐含层，隐含层中含有25个节点和有4个节点的输出层。 ·激活函数选择为： 其中a=1，b=1 ·步长η=0.1，动量常数α=0.01 ·样本数量：500个 ·训练回合数：100次 本文档共23页；当前第3页；编辑于星期二\4点24分 二、程序流程 为了方便编程和计算，将神经网络中的计算写成向量运算： 本文档共23页；当前第4页；编辑于星期二\4点24分 三、实验结果（1） 首先我们看一下训练中权值的变化 串行训练时，每输入一个样本，都会改变一次网络的权值。对每次隐含层和输出层的权值的变化量 中每个元素求平方和。即可看出每次权值更新时权