Process / pipelineWavelet-based activation function network
Wavelet Neural Network
전통적인 신경망은 모든 곳에서 동일한 부드러운 활성화 함수(시그모이드, tanh)를 사용합니다. WNN은 이를 웨이블릿으로 대체합니다. 웨이블릿은 제한된 영역에서만 0이 아니며 스케일링 및 이동이 가능한 함수입니다. 이를 통해 네트워크는 다른 스케일에서 다른 특징에 국소적으로 주의를 기울일 수 있습니다. 이는 신호의 다른 구성 요소에 대한 전문화된 탐지기를 갖는 것과 같습니다. 일부 뉴런은 미세한 세부 사항에 집중하고, 다른 뉴런은 광범위한 추세에 집중하며, 각 뉴런은 올바른 주파수 범위에 맞춰집니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/ko/time-series/wavelet-neural-network
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
나란히 비교하기 →