1、“.....重庆邮电大学本科毕业设计论文,,,,,,,,,,,重庆邮电大学本科毕业设计论文,,重庆邮电大学本科毕业设计论文二英文翻译神经网络的智能语音识别摘要智能神经识别网络是为解决相对观点而提出，可能主要来自不同的分级器的输入输出特征值。语音识别应用可以表示成为种暂态多层感知器网络分类模型，神经预测模型或隐蔽控制神经网络的动态特性则依赖于语音信号......”。

2、“.....并且匹配判断。研究了两种智能判别法，神经判别规则是从训练数据中作出判别决策，即从两个分离器作出区分,模糊识别只是利用最小最大值来识别。智能神经识别网络实现了更高的识别率。更重要的是它的性能对于训练数据的选择性更加的不敏感。导言复杂模式分类的神经网络通过自适应学习使语音识别神经网络的应用很有吸引力。同时......”。

3、“.....神经网络模型可以充分利用特殊硬件实现实时处理。许多的神经网络模型已成功地应用于语音识别问题中，他们当中的许多把语音信号作为暂态光谱模型处理，并在适当时间利用分类函数的分类功能，只有少数利用语音信号的动态特性。前者包括多层感知器，自组织特征映射，时滞神经网络。这些方法假定相同词汇的分离方式在特征空间要遵循同样的路径......”。

4、“.....而后者将语音信号作为非线性动力系统，并且按照周期性的神经网络模拟特里结构。周期性的连接可能来自隐藏的层，或者输出的第层，时间动力可能也被隐藏控制神经网络模拟，和隐形马尔代夫模型状态切换相结合。尽管这两种方法都已经很成功的应用，他们从不同语音信号的本质开始到显示优势和劣势。结果证明暂态时间模型能够更好的确定音素......”。

5、“.....在本文中，我们报告了个结合了两种语音信号本性相结合的螺旋分级神经网络，论证其提高了训练数据的识别性和鲁棒性。不像其他的模块化神经网络，利用分类模块不同的相同风格的模块集合，每个低层分类器，此处的子模块有不同风格来以不同的视角来看待这个问题......”。

6、“.....基层分类器模块由几个神经网络子模块组成，试着区分由基于不同相位和特点的输入模块。对非特定人的单独词汇识别应用，我们只选择两个分类子模块，也就是多分层感知器，为了暂态光谱模块和神经预测模型或者隐藏控制神经网络,为了非线性系统动力学。如图中所示......”。

7、“.....底层的程序子模块将输入的语言信号分成种话语。个双极非线性形输出神经元被分配给每个词汇。我们采用了简单时间对齐微量分割方案,提出了合理的绩效而没有严重的计算时间。这种简单的标准程序清除语言的周期性变化，特别是对于稳定长发音的词汇。神经预测模型是种递归神经网络,那里的输出值为反馈值的输入。每个单词的动态特性都被系列所模拟，每个识别低音素......”。

8、“.....神经值代表着个在时间的语音信号片，这个网络可以提供从个状态到另个状态的过度。为了控制状态转换，在输入层添加了另个向量，他由隐藏控制单元组成。对于孤立的词汇识别应用，动力学是训练来识别个词范畴。由于辨识误差是个的由突出砝码和控制向量的函数......”。

9、“.....倘若每个子模块分类有细小的分辨率，那么可能两个底层模块的分类的可能性就得很小了。上层模块作为个智能识别模块，为不同的底层分类器提供了判决的结论。研究了两种不同的智能识别器。神经判别器本身就是个从辩论情况中做出决策的方法......”。