[发明专利]一种英语识别方法和翻译方法

摘要

本发明公开了一种英语识别方法，包括给定训练集N＝{(xi,ti)xi∈Rn,ti∈Rn,i＝1,2,3,…N}，激励函数将训练样本和实际标签输入卷积神经网络逐层传播，得到输出特征值；利用网络输出值和实际标签之间的误差和误差梯度进行反向传播，调整权值和偏置，直至误差梯度小于停止迭代阈值，否则重复对所述卷积神经网络进行模型训练。本发明的英语识别方法能够快速、正确识别英语。本发明还提供一种英语翻译方法，采用上述英语识别方法，能够快速、正确识别英语并翻译成对应的汉语。

主权项

一种英语识别方法，其特征在于，包括以下步骤：步骤1：给定训练集N＝{(xi,ti)|xi∈Rn,ti∈Rn,i＝1,2,3,…N}，激励函数将训练样本和实际标签输入卷积神经网络逐层传播，得到输出特征值，如果当前为全连接层，输出特征值为：yil＝f(Wlyil‑1+bl)如果当前为卷积层，输出特征值为：yil＝f(Wl*yil‑1+bl)如果当前为池化层，输出特征值为：yil＝pool(yil‑1)其中，xi为待识别英语训练样本，ti为实际英语标签，yil第i个样本在第l层的输出特征值，yil‑1为第i个样本在第l‑1层的输出特征值，Wl为第l层的输出权值，bl为第l层的偏置，yi0＝xi，pool为按照池化区域大小和池化标准将输入缩小的过程；步骤2：利用网络输出值和实际标签之间的误差和误差梯度进行反向传播，调整权值和偏置，直至误差梯度小于停止迭代阈值，否则重复对所述卷积神经网络进行模型训练，如果当前为全连接层，误差梯度为：δil‑1＝(Wl)Tδil⊙f'(yil‑1)如果当前为卷积层层，误差梯度为：δil‑1＝δil*rot180(Wl)⊙f'(yil‑1)如果当前为池化层，误差梯度为：δil‑1＝upsampleδil⊙f'(yil‑1)其中，δil为误差梯度，rot180()表示上下翻转一次后再左右翻转一次；步骤3：对所述神经网络的输入层输入待识别英文，经过所述神经网络的中间层，所述神经网络的输出层输出识别后的英文。