1、“.....用于训练多权神经元网络。这个声音属于个来自中国不同省份说话者名男性和名女性。每个说话者将每个汉字重复次。测试集合总共有个声音，其中包括名可以任意说个汉字说话者声音。我们利用这些测试来评价，从到，级差为识别系统。不同值下实验结果剑表。显然，这个网络可以在任意值下，对训练集合获得全部识别。从实验结果可以看出，在情况下，获得识别率几乎与基本算法相同。但是，在网络中所用多权神经元数目却比基本算法少得多。第页表基本算法实验结果识别方法最优个选项识别率测试集合最优前两个选项识别率测试集合基本算法对语音识别当中连续密度隐马尔科夫模型，动态时间规整和仿生模式识别，我们进行了评估，重点考察每种方法在减少训练样本数量和训练时间这两项指标下性能......”。

2、“.....算法和重估计被用于训练和识别。系统参考模板就是训练样本本身。和技术都是通过运用参考中程序来实现。我们在表中，对基本算法三种算法实验结果进行了比较。系统基于连续密度隐马尔科夫模型，并且每个名字需要个状态来实现。结论和致谢在本文中，我们建立了个基于仿生模式识别普通话连续语音识别系统。另外，我们使用了个选择训练样本方法，来减少网络规模。作为模式识别中种新通用理论模型，仿生模式识别也可以用在语音识别上面，并且实验结果显示它性能比更好。，，第页第页中文字附录英文原文，，，，，，，第页，，，，，，第页中文字附录英文原文，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，关于传动花键和平键外形设计摘要花键和平键是安装在轴和键槽间传输动力机械零件。花键或键通常安装在动力传动副中轴上，在轴上开有相应键槽......”。

3、“.....本文陈述了三种不同设计类型花键外形设计。用微分方法来计多算外形函数最大值，可以成功地得到所要数据。计算表明花键以及断开线外形引起键槽变形。此外，他们能承载最大传动载荷。另外，辐形平直外形能提高传动效率。我们认为该发现值得报道，该种方法同时也可用于其他花键设计。介绍键是安装在轴和键槽等动力传动装置如齿轮和扣练齿轮之间零件。花键发挥着和键样作用，将力矩从轴传到配合零件上。花键和平经元网络集合话，神经网络子空间就代表了样本子空间。当个未知样本出现在子空间里面时，我们就可以判断它是否与训练样本具有相同类型。更进步，当我们加入个新类型样本时，我们不需要重新训练任何个已经被训练过了样本类型。个特定样本类型与其他样本类型训练是毫无关系。系统描述语言识别系统可以分为两个模块。第个是信号预处理和语音特征提取模块，另外个就是执行仿生模式识别任务多权神经元网络......”。

4、“.....它计算过程如下转换利用短时能量和过零率进行端点检测预加重和窗口化快速傅里叶变换变换。为每帧数据提取个特征位，为每个说话者选择帧数据。个维倒谱特征向量数值代表个汉字发音。多权神经元网络结构作为模式识别中种新通用理论模型，这里仿生模式识别通过多权神经元网络来实现。在对类特定样本训练中，我们必须建立个多权神经元子网络。这个多权神经元子网络包括个输入层，个多权神经元隐藏层和个输出层。这样个子网络可以用下面映射来描述。这里是多权神经元输出，有个隐藏多权神经元，其中是输入向量。对多权神经元网络进行训练有关多权神经元网络训练基础知识训练个多权神经元子网络需要计算每层多权神经元权重。多权神经元和使用训练算法详见参考在这个算法中，如果每类训练样本数目是话，我们可以使用个神经元。在本文中，是个标量输出，它是个关于多向量输入函数......”。

5、“.....如果有很多训练样本，神经元数目将会很多以至于降低了识别速度。在学习几类样本情况下，关于训练样本各个类之间关系知识是可以获得。在个受监督训练算法中，我们使用这个信息来减小网络规模。第页当训练类样本时，我们观察类样本中留下类样本。这样在集合，中就有个样本，在集合，中就有个训练样本。首先从中选取个样本，我得到个神经元，。令，其中其中，我们分配个数值，。如果，在集合中将剔除出去，这样我们得到个新集合。继续直到在集合中样本数目是，然后训练过程结束，类子网络就有个包含个神经元隐藏层。实验结果我们专为此项研究建立了个包括个中国菜名语言数据库。每个菜名长度是个汉字，即每个语音样本是个连续个汉字字符串，比如鱼香肉丝，宫保鸡丁等等。我们将其划分为两个集合训练集合测试集合。语言信号采样率为，分辨率为位......”。

6、“.....而键是安装在键槽上。与个或两个用来传动动力键相比，在轴上般有四个或更多花键。因此，传输力矩更恒定，每个花键上所受载荷较低。在传输力矩中，花键发挥着重要作用，花键外形对动力传输影响很大。与共轭外形不同，带有花键和键槽轴有同样转动轴，他们之间没有相对运动，是紧密配合。他们联结在起，有着相同角速度。因此，它表明除轴外形之外任何外形都可以用做花键设计。然而，实际上花键和键槽间载荷并不是分布在整个接触表面。载荷通常集中在接触表面小部分和可变形键表面。当循环工作较久时，这就会引起轴和键槽之间不希望得到空隙，并引起键槽表面损坏。为了解决这些问题，需要更进步分析花键外形是怎样影响力矩传输，以便做出合适花键外形设计。目前使用中主要有两种花键，分别为直线边花键和渐进线花键。渐进线花键具有自动调心配合零件，可以用标准平头钉切削器切除齿轮齿。目前......”。

7、“.....以来减少配合表面磨损。然而，由于不同工作状况，它们都不能直接应用于花键外形。在本论文中，建立了花键外形基本公式，在不同设计对象中用来分析所要求外形。三个设计对象，恒定变形，传输最大力矩和最佳传动效率，这三项被用来计算花键外形。成功地得到了分析方法。陈述问题并提出基本假设如图所示，轴传动轮毂同时花键固定在轴上。设计要求决定了轴半径花键高度花键齿数，因此不能改动。只能通过改变花键轮廓来提高传动性能。为简化设计问题以便于分析，做出以下几点假设花键是刚体相对轮毂，花键由刚性材料制成并假设它在承受负载后无变形。轮毂属弹性变形轮毂表面变形在弹性变形范围内时，表面压力与变形量成正比。花键无轴向变形通常花键齿高相对于齿宽尺寸小很多。因此，我们假设键端无积累变形，只有轮毂面有变形......”。

8、“.....它们属于面接触没有间隙。图花键花键变形跟轮毂变形致设计第目标是使轮毂表面变形致，那就要求轮毂上压力均布。这样能保证表面承受压力均匀分布，以避免些危险点损坏材料。如图，表示轴半径，表示花键小旋转角。因为我们假定花键为刚体，所以花键任两点之间变化就是轮毂变形。花键联接按照键横截面开头分为矩形花键联接和渐开线花键联接。图花键小旋转角危险截面确定简单传统设计方法考虑前选项识别率最优前两个选项识别率训练集合测试集合训练集合测试集合基本算法个声音构成了训练集合，用于训练多权神经元网络。这个声音属于个来自中国不同省份说话者名男性和名女性。每个说话者将每个汉字重复次。测试集合总共有个声音，其中包括名可以任意说个汉字说话者声音。我们利用这些测试来评价，从到，级差为识别系统。不同值下实验结果剑表。显然，这个网络可以在任意值下，对训练集合获得全部识别......”。

9、“.....在情况下，获得识别率几乎与基本算法相同。但是，在网络中所用多权神经元数目却比基本算法少得多。第页表基本算法实验结果识别方法最优个选项识别率测试集合最优前两个选项识别率测试集合基本算法对语音识别当中连续密度隐马尔科夫模型，动态时间规整和仿生模式识别，我们进行了评估，重点考察每种方法在减少训练样本数量和训练时间这两项指标下性能。连续密度隐马尔科夫模型系统完成每个汉字识别需要个状态。算法和重估计被用于训练和识别。系统参考模板就是训练样本本身。和技术都是通过运用参考中程序来实现。我们在表中，对基本算法三种算法实验结果进行了比较。系统基于连续密度隐马尔科夫模型，并且每个名字需要个状态来实现。结论和致谢在本文中，我们建立了个基于仿生模式识别普通话连续语音识别系统。另外，我们使用了个选择训练样本方法，来减少网络规模。作为模式识别中种新通用理论模型......”。