Rețea neuronală wavelet
O rețea neuronală wavelet (WNN) este o arhitectură de aproximare a funcțiilor care utilizează funcții wavelet ca funcții de activare, în locul funcțiilor sigmoide sau ReLU tradiționale. Introduse de Zhang și Benveniste (1992), WNN combină proprietățile de descompunere multi-scară ale wavelet-urilor cu capacitățile de învățare ale rețelelor neuronale. Rezultatul este un model non-parametric flexibil, capabil să surprindă eficient caracteristici localizate și modele multi-rezoluție, cu mai puțini parametri și o mai bună interpretabilitate decât rețelele profunde standard.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/ro/time-series/wavelet-neural-network
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Perceptron multistrat (MLP)Învățare profundă↔ compară
- Rețea Neuronală RecurentăÎnvățare profundă↔ compară
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →