基于GMM的概率神经网络PNN具有良好的泛化能力，快速的学习能力，易于在线更新,并具有统计学的贝叶斯估计理论基础，已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点，还具有许多GMM没有的优点，如强鲁棒性，需要更少的训练语料，可以和其他网络其他理论无缝整合等。-GMM based probabilistic neural network PNN good generalization ability, the

在电话语音识别中需要识别电话号码，这需要识别0到9十个数字字，而识别前首先需要训练这十个数字。，已通过测试。 -In a telephone speech recognition need to identify the telephone number, which requires identificatiion of the ten figures 0-9, and to identify the need for training before the first ten figur

采用BP网络,NEWCF--生成一个新的前向神经网络,TRAIN--对网络进行训练, 定义训练样本(Using the BP network, NEWCF-- generates a new forward neural network. TRAIN-- trains the network to define training samples.)

第一次作业_基于分类算法的雷达状态识别 对于本数据集中的雷达状态识别，数据降维前使用朴素贝叶斯、支持向量机、神经网络的分类算法对于识别的准确率无太大影响；数据降维后使用神经网络算法最优，支持向量机算法其次，朴素贝叶斯算法较差。此外，训练样本越多，分类准确率有小幅度提高。(First Operation Radar State Recognition Based on Classification Algorithms For radar state recognition