Xarxa Neuronal d'Ona (Wavelet Neural Network, WNN)
Una xarxa neuronal d'ona (WNN) és una arquitectura d'aproximació de funcions que utilitza funcions d'ona com a funcions d'activació en lloc de les funcions sigmoide o ReLU tradicionals. Introduïdes per Zhang i Benveniste (1992), les WNN combinen les propietats de descomposició multiescala de les ones amb les capacitats d'aprenentatge de les xarxes neuronals. El resultat és un model no paramètric flexible que pot capturar característiques localitzades i patrons multiresolució de manera eficient, amb menys paràmetres i millor interpretabilitat que les xarxes profundes estàndard.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/ca/time-series/wavelet-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Perceptró Multicapa (MLP)Aprenentatge profund↔ compare
- Xarxa Neuronal RecurrentAprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →