Bølge-nevrale nettverk
Et bølge-nevralt nettverk (WNN) er en funksjonsapproksimasjonsarkitektur som bruker bølgefunksjoner som aktiveringsfunksjoner i stedet for tradisjonelle sigmoid- eller ReLU-funksjoner. WNN-er, introdusert av Zhang og Benveniste (1992), kombinerer multiskala dekomposisjonsegenskapene til bølgeanalyse med læringskapasiteten til nevrale nettverk. Resultatet er en fleksibel ikke-parametrisk modell som effektivt kan fange lokaliserte trekk og multiresolusjonsmønstre, med færre parametere og bedre tolkbarhet enn standard dype nettverk.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/no/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.
- Flerlagsperseptron (MLP)Dyp læring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →