Wavelet Neural Network
A wavelet neural network (WNN) is a function approximation architecture that uses wavelet functions as activation functions in place of traditional sigmoid or ReLU functions. Introduced by Zhang and Benveniste (1992), WNNs combine the multiscale decomposition properties of wavelets with the learning capabilities of neural networks. The result is a flexible nonparametric model that can capture localized features and multi-resolution patterns efficiently, with fewer parameters and better interpretability than standard deep networks.
Запис джерела
Цитати скопійовано дослівно з вихідного запису методу. Вони не передбачають перевірки на рівні тверджень.
- 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. · URL
- Misiti, M., Misiti, Y., Oppenheim, G., & Poggi, J. M. (1997). Wavelet Toolbox. The Mathworks. · URL
Відібрані твердження
Твердження збережено в журналі доказів, кожне зі своєю оцінкою.
Цей перегляд не вигадує оцінку твердження, якщо в журналі її немає.
Пов'язані методи
Згенеровано з графа методів і показано як рекомендовані системою зв'язки — жодне твердження доказів не передбачається.