基于多权值神经网络的语音情感识别的研究的中期报告本研究旨在利用多权值神经网络（MWNN）来进行语音情感识别。MWNN是一种深度学习算法，能够克服传统人工神经网络的限制，并在各种任务中取得了很好的成果。我们的研究通过使用MWNN来对音频文件进行特征提取和情感分类，从而实现情感识别的目标。在本次中期报告中，我们主要做了以下工作：1.收集了多模态语音情感数据库（MSP-IMPROV）。这是一个包含不同音频文件及其相应情感标签的数据库，可以用于训练和测试MWNN模型。2.对音频文件进行MFCC特征提取。MFCC是一种常用的声音信号处理技术，可以从音频中提取稳定的特征，以便进行情感分类。3.构建了MWNN模型。我们使用了PyTorch框架来搭建MWNN模型，并分析了不同层数和节点数对模型性能的影响。4.进行了实验评估。我们在MSP-IMPROV数据库上进行了实验，比较了MWNN和基准模型（使用传统的机器学习算法）的性能。结果显示，MWNN模型在情感识别任务中表现更佳，具有更高的精度和效率。在后续的研究中，我们将进一步改进MWNN模型，以提高情感识别的准确性和速度。我们还将扩展研究范围，探索MWNN在其他语音处理任务中的应用。