Red neuronal wavelet

Una red neuronal wavelet (WNN, por sus siglas en inglés) es una arquitectura de aproximación de funciones que utiliza funciones wavelet como funciones de activación en lugar de las funciones sigmoides o ReLU tradicionales. Introducidas por Zhang y Benveniste (1992), las WNN combinan las propiedades de descomposición multiescala de las wavelets con las capacidades de aprendizaje de las redes neuronales. El resultado es un modelo no paramétrico flexible que puede capturar características localizadas y patrones multirresolución de manera eficiente, con menos parámetros y mejor interpretabilidad que las redes profundas estándar.