PCA-改进RPROP方法的BP算法在音乐信号分类中的应用

• 作者: 沈威 符朝兴 闫福珍 高述勇
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 改进的RPROP方法 BP神经网络 PCA音乐识别 收敛速度 泛化能力
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 84-88
• 页数: 5页
• 分类号: TP183
• 字数: 3373字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2019.07.018

摘要

针对标准的BP神经网络仅从预测误差负梯度方向修正权值和阈值,学习过程收敛缓慢,并且容易陷入局部最小值,导致泛化能力不足的问题,提出了一种基于学习经验变学习速率改进的RPROP方法作为BP神经网络权值和阈值更新方法,并与主成分分析法(Principal Component Analysis,PCA)相结合,形成了PCA-改进神经网络算法.同时,采用Matlab软件对四类音乐信号进行分类实验.实验结果表明,改进算法比标准算法的稳定识别率提高2.6％,当稳定识别率达到90％时,用时节省75％,表明该算法可以加快网络的收敛过程,提高泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	符朝兴	青岛大学机电工程学院	14	74	5.0	8.0
2	高述勇	青岛大学机电工程学院	5	2	1.0	1.0
3	沈威	青岛大学机电工程学院	2	0	0.0	0.0
4	闫福珍	青岛大学商学院	2	0	0.0	0.0