Chiến l−ợc thiết kế phần mềm
6.2.3 Các modul thi hành mạng neuron
Các hoạt động trên mạng neuron rất phức tạp và đ−ợc phân thành hai kiểu, cũng t−ơng ứng với hai giai đoạn của thuật toán back-propagation là “giai đoạn tiến” và “giai đoạn lùi”. Tuy nhiên cả hai giai đoạn này đều cùng đ−ợc thực thi trên một nền mạng neuron, chính vì thế mà rất cần đến các thủ tục th− viện cơ sở cũng nh− các công cụ chuyên trách.
Modul các thủ tục cơ sở
Các thủ tục trong modul này chủ yếu thực hiện các nhiệm vụ sau:
• Cài đặt các thao tác cơ bản trên một Unit trong cả hai giai đoạn tiến và lùi. •Thực hiện khởi đầu, thi hành và kết thúc cho các giai đoạn tiến và lùi theo thuật toán back-propagation.
Tính chất phức tạp đặc biệt trong việc cài đặt modul này là nằm ở một số l−ợng lớn các công thức phi tuyến và đệ quy, cùng với quá trình tính toán luôn liên quan đến nhiều neuron dẫn đến cần phải thực hiện nhiều vòng lặp.
Modul công cụ cho phép thực hiện hoàn chỉnh một quá trình học Back-propagation
Khi đã đ−ợc cung cấp các thủ tục cho hai giai đoạn tính toán cơ sở (tiến và lùi) thì công việc tiếp theo của một quá trình tích luỹ hoàn chỉnh là áp dụng các thủ tục đó lần l−ợt cho tất cả các vector đặc tr−ng trong tất cả các file tham số, điều này cần đến một số vòng lặp lồng nhau. Cần nhấn mạnh rằng đầu vào của một quá trình tích luỹ là một tập hợp các file tham số chứa các vector đặc tr−ng là kết quả của toàn bộ quá trình xử lý tín hiệu tiếng nói bằng ph−ơng pháp filter bank. Ngoài ra quá trình này còn sử dụng các file tham số chứa các thông số xác định các giá trị đích cho các file âm thanh.
Có ba vòng lặp chính t−ơng ứng với các Thời kỳ (Epoch), các mẫu tích luỹ (sample) và các vector đặc tr−ng (feature). (Cần chú ý phân biệt hai thuật ngữ: “mẫu tích luỹ” là một file tham số chứa các vector feature t−ơng ứng với một file âm thanh, còn “mẫu tín hiệu tiếng nói” chỉ là một số nguyên biểu thị một giá trị lấy mẫu của tín hiệu trong file âm thanh) .Điều quan trọng ở đây là cần sắp xếp lại thứ tự một cách ngẫu nhiên các mẫu tích luỹ sau mỗi Thời kỳ; đồng thời cho phép khả năng lựa chọn việc cập nhật các trọng số kết nối của mạng theo từng neuron, từng mẫu hay sau mỗi Thời kỳ.
Modul công cụ cho phép thực hiện hoàn chỉnh một quá trình đánh giá tính năng nhận dạng
Một quá trình nhận dạng thực chất chỉ là một “giai đoạn tiến” của thuật toán back-propagation nh−ng thay vì đối chiếu với các tham số đích để tính các tín hiệu lỗi, tại mức đầu ra chúng ta áp dụng một số quy tắc quyết định để có thể biết đ−ợc một frame là thuộc nguyên âm nào. Quy tắc quyết định có thể chỉ đơn giản là chọn đầu ra có giá trị lớn nhất.