下载后可任意编辑《智能信息处理》实验报告二系别： 电子工程 班级： 智能 13001 班 学号： 13160700131 姓名： 郭桂伶 日期： 2024/4.1 指导老师： 赵秀洁 一、实验内容： 1．BP 神经网络的数据分类二．实验目的：1．通过 BP 神经网络的使用，熟悉 BP 神经网络的基本概念和工作原理。2．编程建立 BP 神经网络模型，实现对 BP 模型的训练，做到日后熟练使用。三．实验分析：1． 语音特征信号识别 语音识别讨论领域中的一个重要方面,一般采纳模式匹配的原理解决。语音识别的运算过程为:首先,待识别语音转化为电信号后输入识别系统,经过预处理后用数学方法提取语音特征信号,提取出的语音特征信号可以看成该段语音的模式。然后将该段语音模型同已知参考模式相比较,获得最佳匹配的参考模式为该段语音的识别结果。语音识别流程如图1-2所示。 实验选取了民歌、古筝、摇滚和流行四类不同音乐,用BP神经网络实现对这四类音乐的有效分类。每段音乐都用倒谱系数法提取500组24维语音特征信号,提取出的语音特征信号如下图2、模型建立 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神经网络训练和下载后可任意编辑BP神经网络分类三步,算法流程如图1-4所示。 BP神经网络构建根据系统输入输出数据特点确定BP神经网络的结构,由于语音特征输入信号有24维,待分类的语音信号共有4类,所以BP神经网络的结构为24—25—4,即输入层有24个节点,隐含层有25个节点,输出层有4个节点。 BP神经网络训练用训练数据训练BP神经网络。共有2000组语音特征信号,从中随机选择1500组数据作为训练数据训练网络,500组数据作为测试数据测试网络分类能力。 BP神经网络分类用训练好的神经网络对测试数据所属语音类别进行分类。3、BP神经网络训练过程 1）网络初始化。确定输入层、隐含层和输出层的节点数n、l、m，初始化权值、和隐含层阈值a和输出层阈值b，给定学习速率和神经元的激励函数 。 2）隐含层输出计算 3）输出层输出计算 4）误差计算 5）权值更新 6）阈值更新。根据网络预测误差e 更新网络节点阈值a,b。 7）推断算法迭代是否结束，若没有结束，返回步骤 2。 四、Matlab 相关函数1. 归一化方法及Matlab函数下载后可任意编辑 数据归一化方法是神经网络预测前对数据常做的一种处理方法。数据归一化处理把所有数据都转化为[0,1]之间的数,其目的是取消各维数据间数量级差别,避开因为输入输出数据数量级差别较大而造成网络...
