Debe representar las muestras utilizando los coeficientes obtenidos al hacer una transformación de Laplace en las muestras. Estas muestras se almacenan en un vector y es la entrada de la red neuronal.
2-3 capas ocultas deberían ser suficientes para aprender el patrón donde el número de nodos en cada capa oculta es 1.5 veces la dimensión del vector de entrada.
La salida de la red neuronal es un vector de dimensión 12, donde cada dimensión representa un bol. Entonces, [1,0,0,0,0,0,0,0,0,0,0,0] es dha, [0,1,0,0,0,0,0,0,0,0 , 0,0] es dhin, [0,0,1,0,0,0,0,0,0,0,0,0] es ga y así sucesivamente.
Puede entrenar la red neuronal utilizando la caja de herramientas de red neuronal incorporada de MATLAB.
- Me siento un poco triste. ¿Qué me animará?
- Soy un chino canadiense que sale con una chica tamil. ¿Qué puedo hacer para impresionar a la familia tradicional de mi novia en Chennai?
- Utilizo las teclas de flecha para la navegación en emacs ya que estoy acostumbrado a ellos. ¿Por qué es tan mal hábito?
- Mis hijos quieren hacer videos de instrucciones simples para YouTube. ¿Qué es una buena y sencilla configuración de filmación para ellos: iPhone + trípode o una cámara de video simple? ¿Qué usan las personas que hacen videos de YouTube?
- Me gustan todas las películas que veo. ¿Por qué?
Después del entrenamiento, puede tomar la transformación laplace de cualquier muestra de sonido y enviarla como entrada a la red neuronal, y generará el vector correspondiente que indica qué bol es.