[发明专利]用LVQ神经网络算法翻译葡萄牙语和四川口音的同传箱

权利要求书

1.用LVQ神经网络算法翻译葡萄牙语和四川口音的同传箱，其特征在于，包括：1）数字化微型同传箱及其配件、2）云存储中心的四川口音与葡萄牙与的大数据库、3）云计算中心搭载的LVQ神经网络模型，三个主要部件。

2.根据权利要求1所述的部件1）是一种搭载在国际会议会场内的数字化微型同传箱，该同传箱体积远小于传统同传箱，且在该同传箱内部不能坐翻译人员，同传翻译工作交由与同传箱通过互联网相连的云计算中心的LVQ神经网络翻译模型来实现。

3.根据权利要求1所述的部件2）包括：采集的四川口音音频大数据库、采集的葡萄牙语音频大数据库、汉语语法及四川口音语音方式数据库、葡萄牙语语法及发音规则数据库等进行分类存储的大数据。

4.根据权利要求1所述的部件3），其特征在于部件3）需要输入部件2）中的各个翻译大数据，并进行大数据的训练后，才能起到翻译葡萄牙语和四川口音的作用。

5.根据权利要求1所述的用LVQ神经网络算法翻译葡萄牙语和四川口音的同传箱，其特征在于核心部件：LVQ神经网络算法是在有教师状态下对竞争层进行训练的一种学习算法，因此LVQ算法可以认为是把自组织特征映射算法改良成有教师学习的算法，该算法用于用有庞大数据样本基数的葡萄牙语与四川口音音频数据的大数据中心而言，能够具备很精准的翻译。

6.根据权利要求5所述的LVQ神经网络算法，其基本思想是：计算距离输入向量最近的竞争层神经元，从而找到与之相连 I接的线性输出层神经元，若输入向量的类别与线性输出层神经元所对应的类别一致，则对应的 I覆竞争层神经元权值沿着输入向量的方向移动；反之，若两者的类别不一致，则对应的竞争层神 l翟经元权值沿着输入向量的反方向移动； 基本的LVQ1算法的步骤为：

步骤1：初始化输入层与竞争层之间的权值 QUOTE 及学习率 QUOTE >0)， QUOTE

步骤2：将输入向量X= QUOTE 送入到输入层，并计算竞争层神经元与输入向量的距离：

QUOTE = QUOTE QUOTE =1,2,3,…, QUOTE

式中， QUOTE 为输入层的神经元j与竞争层的神经元i之间的权值；

步骤3：选择与输入向量距离最小的竞争层神经元，若 QUOTE 最小，则记与之连接的线性输出层神经元的类标签为 QUOTE ；

步骤4：记输入向量对应的类标签为 QUOTE ，若 QUOTE = QUOTE ，则用如下方法调整权值：

QUOTE = QUOTE (x QUOTE )

否则，按如下方法进行权值更新：

QUOTE = QUOTE (x QUOTE )。