Вълнова невронна мрежа
Вълновата невронна мрежа (WNN) е архитектура за апроксимация на функции, която използва вълнови функции като активационни функции вместо традиционните сигмоидни или ReLU функции. Въведени от Zhang и Benveniste (1992), WNN комбинират свойствата за многомащабно разлагане на вълните със способностите за обучение на невронните мрежи. Резултатът е гъвкав нонпараметричен модел, който може ефективно да улавя локализирани характеристики и многорезолюционни модели, с по-малко параметри и по-добра интерпретируемост от стандартните дълбоки мрежи.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Zhang, Q., & Benveniste, A. (1992). Wavelet networks. IEEE Transactions on Neural Networks, 3(6), 889–898. DOI: 10.1109/72.165591 ↗
- Pati, Y. C., & Krishnaprasad, P. S. (1992). Nonlinear dynamics and signal processing in the cochlea. ICASSP, pp. V373–V376. link ↗
- Misiti, M., Misiti, Y., Oppenheim, G., & Poggi, J. M. (1997). Wavelet Toolbox. The Mathworks. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/bg/time-series/wavelet-neural-network
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Многослоен персептрон (MLP)Дълбоко обучение↔ сравняване
- Рекурентна невронна мрежаДълбоко обучение↔ сравняване
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →