程剑锋
- 作品数：7 被引量：29H指数：2
- 供职机构：中国科学技术大学更多>>
- 相关领域：自动化与计算机技术电子电信理学更多>>
- 基于EM算法的有监督LVQ神经网络及其应用被引量：2
- 2005年
- 针对监督LVQ神经网络存在神经元未被充分利用以及输入样本和竞争单元之间的信息被浪费等问题。通过将EM算法引入到LVQ神经网络中,提出了基于EM聚类算法的有监督LVQ神经网络(即EMLVQ网络),从而弥补了LVQ神经网络的不足且具有EM算法提取样本信息精确的优点。通过参数的简化可以得到EMLVQ算法是软竞争格式(SCS)的一种推广。最后将它们应用于说话人辨识。实验表明,EMLVQ神经网络辨识说话人取得了很好的效果。
- 程剑锋徐俊艳
- 关键词：神经网络EM算法高斯混合
- 深度残差网络的最优层数设计
- 由于自身强大的表征能力，深度残差网络在计算机视觉、生物、化学等学科领域都受到了越来越多的关注。本文主要讨论在有监督学习的框架下，深度残差网络的最优层数设计。一般来说，网络层数越大，其表征能力越强，但是随着层数的增加，网络...
- 程剑锋
- 关键词：最优控制HJB方程
- 基于FCM-PNN分类器的说话人识别被引量：2
- 2004年
- 说话人识别的本质就是模式分类。传统分类器算法中参数模型方法的主要缺点是预先假定的概率分布函数形式不一定符合待分类的数据。非参数模型方法,如PNN分类器,可以有效地克服参数模型的缺点,但其巨大的内存开销与低的分类速度使得PNN作为大量和高维的数据样本分类几乎不可行。FCM虽具有良好的模糊聚类能力,但无法直接给出概率分类结果。该文提出的FCM-PNN分类器,在FCM聚类的基础上,以贝叶斯置信度为基础,利用PNN进行概率分类。它结合了FCM聚类和PNN概率分类的优势,同时克服了传统参数模型分类和FCM聚类的局限性。实验结果证实了FCM-PNN分类器具有分类精度高、速度快及揭示细节的能力。
- 程剑锋徐俊艳
- 关键词：概率神经网络说话人识别模糊C-均值聚类
- 基于Backstepping时变反馈和PID控制的移动机器人实时轨迹跟踪控制被引量：17
- 2004年
- 根据机器人的运动学模型,采用分层控制的思想将移动机器人的轨迹跟踪控制分为两部分:轨迹跟踪控制器和机器人速度PID控制器.基于Backstepping时变状态反馈方法和Lyapunov理论,引入具有双曲正切特性的虚拟反馈量,提出一种移动机器人全局轨迹跟踪算法;采用PID速度控制器以满足机器人驱动电机实时调速要求。考虑到机器人的动力学约束,引入受限策略以保证其运动平滑.在基于DSP的两轮驱动移动机器人上对算法进行了实时轨迹跟踪试验,取得了满意的控制效果。
- 徐俊艳张培仁程剑锋
- 关键词：移动机器人轨迹跟踪控制PID控制反馈控制BACKSTEPPING运动学模型
- 学习矢量量化的推广及其典型形式的比较被引量：6
- 2006年
- 无监督学习矢量量化(LVQ)是一类基于最小化风险函数的聚类方法,文中通过对无监督LVQ风险函数的研究,提出了无监督LVQ算法的广义形式,在此基础上将当前典型的LVQ算法表示为基于不同尺度函数的LVQ算法,极大地方便了学习矢量量化神经网络的推广与应用。通过对无监督LVQ神经网络的改造,得到了基于无监督聚类算法的有监督LVQ神经网络,并将其应用于说话人辨认,取得了满意的结果并比较了几种典型聚类算法的优劣。
- 程剑锋徐俊艳
- 关键词：尺度函数风险函数梯度下降法
- LVQ神经网络的研究及其在说话人识别中的应用
- 神经网络用于模式识别的最大特点在于其能够自适应学习输入模式内部、输入与输出模式之间的内在规律,为解决那些很难用精确的数学语言进行描述的模式识别问题提供了强有力的手段;它具有自组织和自学习的能力、很强的复杂分类边界区分能力...
- 程剑锋
- 关键词：概率神经网络模糊C-均值学习矢量量化
- 文献传递
- 自适应线性网络及其应用
- 介绍了自适应线性网络结构和网络权值训练规则,并通过引入单步延时线建立带有延时的网络结构.对自适应线性网络在线性建模、预测以及消除噪声这三个典型的应用中各自网络的结构设计以及函数关系上进行了详细的分析与探讨.
- 丛爽钱辉环程剑锋
- 关键词：消除噪声网络权值网络结构
- 文献传递
