双向联想记忆神经网络的全局指数稳定性

研究了带连续时延杂交双向联想记忆神经网络的全局指数稳定性 ,通过构造适当的Lyapunov泛函获得了与时延无关的充分条件且保证网络指数收敛到惟一稳定的平衡点 ,在证明过程中 ,并不要求突轴联结权的对称性和激活函数的单凋性与可微性 ,因此论文所推导的结果更具一般性。

基于残差网络和门控卷积网络的语音识别研究

由于传统循环神经网络具有复杂的结构,需要大量的数据才能在连续语音识别中进行正确训练,并且训练需要耗费大量的时间,对硬件性能要求很大。针对以上问题,提出了基于残差网络和门控卷积神经网络的算法,并结合联结时序分类算法,构建端到端中文语音识别模型。该模型将语谱图作为输入,通过残差网络提取高层抽象特征,然后通过堆叠门控卷积神经网络捕获有效的长时间记忆,摆脱了传统循环神经网络对上下文相关性建模的依赖,加快了模型的训练速度。对残差网络进行了优化,并在门控卷积神经网络中加入了前馈神经网络,极大提高了模型的性能。实验结果表明,在Aishell-1中文数据集上,该模型的字错误率降低至11.43%;并且在-5 dB低信噪比环境下,字错误率达到了19.77%。

基于FLN的覆雪绝缘子闪络电压预测方法

绝缘子的失效和闪络是威胁电力系统正常工作的主要因素之一。在对FXBW-10/70绝缘子闪络实验的基础上,提出了一种基于函数联结神经网络(FLN)的覆雪绝缘子闪络电压预测方法。预测模型以覆雪厚度、环境温度、湿度、覆雪水电导率等作为输入变量,以覆雪绝缘子的闪络电压为输出变量。理论和实验分析表明,该模型能较准确地反映覆雪绝缘子闪络电压与覆雪厚度、环境温度、湿度、覆雪水电导率等因素间的关系,这对于我国预防雪灾对电力系统的影响具有一定的参考价值。