Нейронна мережа на основі вейвлетів (WNN)
Нейронна мережа на основі вейвлетів (WNN) — це архітектура апроксимації функцій, яка використовує вейвлет-функції як активаційні функції замість традиційних сигмоїдних або ReLU функцій. Представлені Чжаном та Бенвеністе (1992), WNN поєднують властивості багатомасштабного розкладу вейвлетів зі здатністю до навчання нейронних мереж. Результатом є гнучка непараметрична модель, яка може ефективно захоплювати локалізовані ознаки та багатороздільні патерни, маючи менше параметрів і кращу інтерпретованість, ніж стандартні глибокі мережі.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/uk/time-series/wavelet-neural-network
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Багатошаровий перцептрон (БШП)Глибоке навчання↔ порівняти
- Рекурентна нейронна мережаГлибоке навчання↔ порівняти
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →