《表1 一般神经网络和基于柯西-牛顿算法的神经网络训练次数和训练误差的对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于柯西-牛顿算法的神经网络语音识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由图4和图5可以看出，对于同一数据，柯西-牛顿算法只需对神经网络迭代21次就已经收敛，完成了整个训练过程，训练误差为0.000 901；而一般的神经网络在迭代2 000次时仍未完成收敛，训练误差是0.005。柯西-牛顿算法在节省网络训练时间的同时，又提高语音识别的准确率。表1是一般神经网络和基于柯西-牛顿算法的神经网络训练次数和误差的对比。