ScholarGate
Pembantu
Process / pipelineWavelet-based activation function network

Rangkaian Saraf Gelombang

Rangkaian saraf gelombang (WNN) ialah seni bina penghampiran fungsi yang menggunakan fungsi gelombang sebagai fungsi pengaktifan menggantikan fungsi sigmoid atau ReLU tradisional. Diperkenalkan oleh Zhang dan Benveniste (1992), WNN menggabungkan sifat penyahungkai pelbagai skala gelombang dengan keupayaan pembelajaran rangkaian saraf. Hasilnya ialah model tak parametrik yang fleksibel yang boleh menangkap ciri setempat dan corak pelbagai resolusi dengan cekap, dengan parameter yang lebih sedikit dan kebolehtafsiran yang lebih baik berbanding rangkaian dalam standard.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. Zhang, Q., & Benveniste, A. (1992). Wavelet networks. IEEE Transactions on Neural Networks, 3(6), 889–898. DOI: 10.1109/72.165591
  2. Pati, Y. C., & Krishnaprasad, P. S. (1992). Nonlinear dynamics and signal processing in the cochlea. ICASSP, pp. V373–V376. link
  3. Misiti, M., Misiti, Y., Oppenheim, G., & Poggi, J. M. (1997). Wavelet Toolbox. The Mathworks. link

Cara memetik halaman ini

ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/ms/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.

Compare side by side
ScholarGateWavelet Neural Network (Wavelet Neural Network). Dicapai 2026-06-15 daripada https://scholargate.app/ms/time-series/wavelet-neural-network · Set data: https://doi.org/10.5281/zenodo.20539026