Wavelet Neural Network
A wavelet neural network (WNN) is a function approximation architecture that uses wavelet functions as activation functions in place of traditional sigmoid or ReLU functions. Introduced by Zhang and Benveniste (1992), WNNs combine the multiscale decomposition properties of wavelets with the learning capabilities of neural networks. The result is a flexible nonparametric model that can capture localized features and multi-resolution patterns efficiently, with fewer parameters and better interpretability than standard deep networks.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- 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. · URL
- Misiti, M., Misiti, Y., Oppenheim, G., & Poggi, J. M. (1997). Wavelet Toolbox. The Mathworks. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.