Sieci neuronowe oparte na falkach
Sieć neuronowa oparta na falkach (WNN) to architektura aproksymacji funkcji, która wykorzystuje funkcje falkowe jako funkcje aktywacji zamiast tradycyjnych funkcji sigmoidalnych lub ReLU. Wprowadzone przez Zhanga i Benveniste'a (1992), WNN łączą właściwości dekompozycji wieloskalowej falek z możliwościami uczenia się sieci neuronowych. Rezultatem jest elastyczny, nieparametryczny model, który może efektywnie wychwytywać zlokalizowane cechy i wzorce wielorozdzielczościowe, przy mniejszej liczbie parametrów i lepszej interpretowalności niż standardowe sieci głębokie.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/pl/time-series/wavelet-neural-network
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Perceptron wielowarstwowy (MLP)Uczenie głębokie↔ porównaj
- Rekurencyjna Sieć NeuronowaUczenie głębokie↔ porównaj
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →