Wavelet neurális hálózat
A wavelet neurális hálózat (WNN) egy függvényapproximációs architektúra, amely a hagyományos szigmoid vagy ReLU függvények helyett wavelet függvényeket használ aktivációs függvényként. Zhang és Benveniste (1992) vezette be, a WNN-ek a waveletek többskálás dekompozíciós tulajdonságait ötvözik a neurális hálózatok tanulási képességeivel. Az eredmény egy rugalmas, nemparametrikus modell, amely hatékonyan képes megragadni a lokalizált jellemzőket és a többfelbontású mintázatokat, kevesebb paraméterrel és jobb értelmezhetőséggel, mint a standard mélyhálózatok.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/hu/time-series/wavelet-neural-network
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Multilayer Perceptron (MLP)Mélytanulás↔ összehasonlítás
- Rekurrens neurális hálózatMélytanulás↔ összehasonlítás
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →