《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》
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。
图表编号 | XD0016934300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.20 |
作者 | 杨毯毯 |
绘制单位 | 山东科技大学电子通信与物理学院 |
更多格式 | 高清、无水印(增值服务) |