上传者: tomcatsg
|
上传时间: 2021-04-11 21:15:59
|
文件大小: 154KB
|
文件类型: CAJ
人工神经网络的发展已有近六十年的历史,当前神经网
络研究在理论、应用方面都取得了令人瞩目的进展。前向多层神经网络被证明具有较强的功能,误差反传训练(E达CkPro环堪ation,BP)算法是这种网络的典型算法,BP网络模型已成功地用于信号处理、文本及语音变换和数据处理,成为广泛使用的网络模型之一。曲线拟合,即信号重构在信号处理,语音变换中是经常遇到的课题,曲线拟合的传统方法是样条插值,样条插值涉及到矩阵求逆,且随着拟合点数的增加,矩阵就越庞大,其求逆就越麻烦。本文尝试了将神经网络用于曲线拟合中,避开了矩阵求逆的繁锁,取得了很好的效果,并分别采用BP算法和改进型BP算法(快速BP算法)进行了实验比较,得出结论改进型BP算法的性能要优于13P算法。