Lainefunktsioonide närvivõrk
Lainefunktsioonide närvivõrk (WNN) on funktsiooni aproksimeerimise arhitektuur, mis kasutab traditsiooniliste sigmoid- või ReLU-funktsioonide asemel aktivatsioonifunktsioonidena lainefunktsioone. Zhangi ja Benveniste'i (1992) poolt tutvustatud WNN-id ühendavad lainefunktsioonide mitmemõõtmelised dekompositsiooniomadused närvivõrkude õppimisvõimega. Tulemuseks on paindlik mittenormatiivne mudel, mis suudab tõhusalt haarata lokaliseeritud tunnuseid ja mitme resolutsiooniga mustreid, kasutades vähem parameetreid ja pakkudes paremat interpreteeritavust kui standardsed sügavad võrgud.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/et/time-series/wavelet-neural-network
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
Võrdle kõrvuti →Märkasid sellel lehel viga? Teata sellest või paku parandust →