Wavelet Neural Network
شبکههای عصبی سنتی از توابع فعالسازی هموار (سیگموئید، tanh) استفاده میکنند که در همهجا یکسان هستند. WNNها اینها را با موجکها جایگزین میکنند—توابعی که فقط در یک ناحیه محدود غیرصفر هستند و میتوانند مقیاسبندی و جابجا شوند. این به شبکه اجازه میدهد تا به طور محلی به ویژگیهای مختلف در مقیاسهای مختلف توجه کند. این شبیه داشتن آشکارسازهای تخصصی برای اجزای مختلف سیگنال است: برخی نورونها بر جزئیات دقیق تمرکز میکنند، برخی دیگر بر روندهای گسترده، هر کدام با محدوده فرکانسی مناسب تنظیم شدهاند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/fa/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.
- پِرسِپترون چندلایهای (MLP)یادگیری عمیق↔ compare
- شبکه عصبی بازگشتییادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →