Python语音基础操作--12.2基于神经网络的情感识别

最新推荐文章于 2024-03-12 20:36:02 发布

sinat_18131557

最新推荐文章于 2024-03-12 20:36:02 发布

阅读量1.9k

点赞数

分类专栏：语音信号 Python 文章标签：神经网络 python 机器学习语音识别

本文链接：https://blog.csdn.net/sinat_18131557/article/details/106441104

版权

《语音信号处理试验教程》（梁瑞宇等）的代码主要是Matlab实现的，现在Python比较热门，所以把这个项目大部分内容写成了Python实现，大部分是手动写的。使用CSDN博客查看帮助文件：

代码可在Github上下载：busyyang/python_sound_open

人工神经网络(Artificial Neural Network , ANN) 是一种由大量简单处理单元构成的并行分布式数学模型。在人类意识到人脑计算与传统计算机处理方式的区别时，神经网络就成了科学家们探究信息处理任务的关注对象。人工神经网络主要从两方面模仿大脑工作:从外界环境中学习，用突触权值存储知识。人类大脑接收外界剌激，感受器转换为电冲击传递给神经元构成的网络，再经由效应器把电冲击转换为可识别的效应输出。

神经元是神经网络处理信息的基本单位，是由突触权值、加法器、激活函数三部分构成的非线性模型。

神经网络的训练就是反向传播的过程，最终的误差为 $\epsilon(n)=\frac{1}{2}\sum_{j\in C}e_j^2(n)$ ,那么更新权重 $w_{ij}(n)$ 的方式就是求偏导 $\Delta w_{ij}=\frac{\partial \epsilon}{\partial w_{ij}}$ ，使用梯度下降：
$w_{ij}=w_{ij}-\alpha\Delta w_{ij}$

概率神经网络

概率神经网络(Probabilistic Neural Network, PNN)的主要思想是利用贝叶斯决策规则，即错误分类期望最小，在多维输入空间内分离决策空间。是一种基于统计原理的人工神经网络，使用Parzen窗口函数作为激活函数。

贝叶斯决策理论：
$p(w_i|\overrightarrow{x})>p(w_j|\overrightarrow{x}),\forall j\neq i,\overrightarrow{x}\in w_i,then \overrightarrow{x}\in w_i$

其中： $p(w_i|\overrightarrow{x})=p(w_i)p(\overrightarrow{x}|w_j)$

最低0.47元/天解锁文章

sinat_18131557

关注

0
点赞
踩
12

收藏

觉得还不错? 一键收藏
3
评论
Python语音基础操作--12.2基于神经网络的情感识别

人工神经网络(Artificial Neural Network , ANN) 是一种由大量简单处理单元构成的并行分布式数学模型。在人类意识到人脑计算与传统计算机处理方式的区别时，神经网络就成了科学家们探究信息处理任务的关注对象。人工神经网络主要从两方面模仿大脑工作:从外界环境中学习，用突触权值存储知识。人类大脑接收外界剌激，感受器转换为电冲击传递给神经元构成的网络，再经由效应器把电冲击转换为可识别的效应输出。神经元是神经网络处理信息的基本单位，是由突触权值、加法器、激活函数三部分构成的非线性模型。神经
复制链接

扫一扫

专栏目录