一種基于SOM與脈沖神經網絡的音頻識別方法

摘要： 近年來，在人工神經網絡技術的推動下，音頻分類技術不斷提高。然而，傳統(tǒng)人工神經網絡存在計算功耗大、時域信號處理困難等問題。脈沖神經網絡由于其事件驅動的特性，有著低功耗、可解釋、時域處理能力強等特點，非常適用于音頻信號處理任務。提出一種基于SOM時空特征稀疏編碼和SNN有監(jiān)督分類的音頻識別方法，利用MFCC進行時-頻域轉換后，再利用SOM實現對時間序列音頻信號的稀疏編碼，不同于其他... （共8頁）

脈沖神經網絡音頻識別SOM時空特征稀疏編碼興奮抑制雙監(jiān)督訓練低功耗