Process / pipelineWavelet-based activation function network
小波神经网络
小波神经网络（WNN）是一种函数逼近架构，它使用小波函数作为激活函数，而非传统的Sigmoid或ReLU函数。WNN由Zhang和Benveniste（1992）提出，它结合了小波的多尺度分解特性和神经网络的学习能力。其结果是一个灵活的非参数模型，能够有效地捕获局部特征和多分辨率模式，与标准深度网络相比，参数更少，可解释性更好。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Wavelet Neural Network. ScholarGate. https://scholargate.app/zh/time-series/wavelet-neural-network
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 多层感知机 (MLP)深度学习↔ 比较
- 循环神经网络深度学习↔ 比较