基于HMM与神经网络的声学模型研究

神经网络能依靠权值进行长时间记忆和知识存储,但是对输入模式的瞬时相应的记忆能力比较差;而隐马尔科夫模型的短时记忆的能力比较强,但是假定的前提又与实际情况不符.因此,采用HMM和ANN的混合模型来取双方之长,并在这种混合模型的基础上,对神经网络从结构设计、训练、到训练后期的结构调整进行了全程的优化;应用隐节点剪枝算法,并利用广义的Hebb规则重新确定网络的参数.实验表明,这种混合模型在语音识别中取得了良好的效果.

一种快速图像特征降维方法:SPCA

讨论了几种图像特征降维算法,着重介绍了一种简单、快速、性能优越的Simple PCA(SimplePrincipal ComponentAnalysis,SPCA)算法,并就SPCA算法、PCA算法以及广义Hebb(GHA)算法等高维数字图像压缩算法进行了比较实验.实验结果表明:SPCA算法在保证压缩性能的前提上,能有效提高压缩速度.