基于神经网络的自学习非特定人语音识别研究

参照经典的卷积神经网络模型 Ｌｅｎｅｔ－５的结构，提出一种适用于该数据集的CNN结构

东大赵力教授发表的一篇关于神经网络语音情感识别的研究，内容详细阐述了蛙跳算法的相关知识以及他对该算法的相关改进。

目的：使用CNN卷积神经网络实现语音识别步骤：（1）预处理。首尾端的静音切除，降低对后续步骤造成的干扰，然后进行声音分帧，把声音切开成帧，，各帧之间一般是有交叠。（2）特征提取。运用的算法为倒谱系数（

神经网络识别手写体数字的方法及MATLAB仿真的程序等等

为了解决语音识别中深层神经网络的说话人与环境自适应问题，从语音信号中的说话人与环境因素的固有特点出发，提出了使用长时特征的自适应方案。基于高斯混合模型建立说话人—环境联合补偿模型，对说话人与环境参数进

在语音识别中,卷积神经网络(convolutional neural networks,CNNs)相比于目前广泛使用的深层神经网络(deep neural network,DNNs),能在保证性能的同

利用caffe实现声音识别

基于神经网络的文字识别模型，李爽，，智能型系统的研究一直是21世纪的研究热门，对于文字、图像等的识别也一直是人们研究的热点。目前，已经有很多的方面都应用了识别�

基于神经网络的数字识别，只对含有单独数字的图片样本进行识别，不涉及分割字符等前期处理

老师留的关于神经网路的作业，实现了下。识别三种表情，识别率一般