Wavelet Neural Network
เครือข่ายประสาทเทียมแบบเวฟเล็ต (Wavelet Neural Network: WNN) คือสถาปัตยกรรมการประมาณค่าฟังก์ชันที่ใช้ฟังก์ชันเวฟเล็ตเป็นฟังก์ชันกระตุ้น (activation functions) แทนฟังก์ชันซิกมอยด์ (sigmoid) หรือ ReLU แบบดั้งเดิม WNN ซึ่งถูกนำเสนอโดย Zhang และ Benveniste (1992) ผสมผสานคุณสมบัติการแยกส่วนหลายสเกล (multiscale decomposition) ของเวฟเล็ตเข้ากับความสามารถในการเรียนรู้ของเครือข่ายประสาทเทียม ผลลัพธ์ที่ได้คือแบบจำลองแบบไม่เป็นพาราเมตริก (nonparametric model) ที่มีความยืดหยุ่น สามารถจับลักษณะเฉพาะที่จำกัดขอบเขต (localized features) และรูปแบบหลายความละเอียด (multi-resolution patterns) ได้อย่างมีประสิทธิภาพ โดยใช้พารามิเตอร์น้อยลงและตีความได้ดีกว่าเครือข่ายเชิงลึก (deep networks) ทั่วไป
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/th/time-series/wavelet-neural-network
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- เพอร์เซปตรอนหลายชั้น (MLP)การเรียนรู้เชิงลึก↔ เปรียบเทียบ
- โครงข่ายประสาทเทียมแบบเวียนซ้ำ (Recurrent Neural Network - RNN)การเรียนรู้เชิงลึก↔ เปรียบเทียบ