哈嘍,大家好~~~我是小編田甜，關(guān)于小波神經(jīng)網(wǎng)絡(luò)流程圖，小波神經(jīng)網(wǎng)絡(luò)理論知識(shí)詳解這個(gè)很多人還不知道,那么現(xiàn)在讓田甜帶著大家一起來(lái)看看吧！

小波神經(jīng)網(wǎng)絡(luò)（Wavelet?Neural?Network，?WNN）是在小波分析研究獲得突破的基礎(chǔ)上提出的一種人工神經(jīng)網(wǎng)絡(luò)。

它是基于小波分析理論以及小波變換所構(gòu)造的一種分層的、多分辨率的新型人工神經(jīng)網(wǎng)絡(luò)模型。

?即用非線性小波基取代了通常的非線性Sigmoid?函數(shù)，其信號(hào)表述是通過(guò)將所選取的小波基進(jìn)行線性疊加來(lái)表現(xiàn)的。

它避免了BP?神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的盲目性和局部最優(yōu)等非線性優(yōu)化問(wèn)題，大大簡(jiǎn)化了訓(xùn)練，具有較強(qiáng)的函數(shù)學(xué)習(xí)能力和推廣能力及廣闊的應(yīng)用前景。

“小波神經(jīng)網(wǎng)絡(luò)”的應(yīng)用：在影像處理方面，可以用于影像壓縮、分類(lèi)、識(shí)別與診斷，去污等。

在醫(yī)學(xué)成像方面的減少B超、CT、核磁共振成像的時(shí)間，提高解析度等。

2、在信號(hào)分析中的應(yīng)用也十分廣泛。

它可以用于邊界的處理與濾波、時(shí)頻分析、信噪分離與提取弱信號(hào)、求分形指數(shù)、信號(hào)的識(shí)別與診斷以及多尺度邊緣偵測(cè)等。

3、在工程技術(shù)等方面的應(yīng)用。

包括電腦視覺(jué)、電腦圖形學(xué)、曲線設(shè)計(jì)、湍流、遠(yuǎn)端宇宙的研究與生物醫(yī)學(xué)方面。

擴(kuò)展資料：小波神經(jīng)網(wǎng)絡(luò)這方面的早期工作大約開(kāi)始于1992?年，主要研究者是Zhang?Q、Harold?H?S?和焦李成等。

其中，焦李成在其代表作《神經(jīng)網(wǎng)絡(luò)的應(yīng)用與實(shí)現(xiàn)》中從理論上對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn)行了較為詳細(xì)的論述。

近年來(lái)，人們?cè)谛〔ㄉ窠?jīng)網(wǎng)絡(luò)的理論和應(yīng)用方面都開(kāi)展了不少研究工作。

小波神經(jīng)網(wǎng)絡(luò)具有以下特點(diǎn)：首先，小波基元及整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)的確定有可靠的理論根據(jù)，可避免BP?神經(jīng)網(wǎng)絡(luò)等結(jié)構(gòu)設(shè)計(jì)上的盲目性；其次，網(wǎng)絡(luò)權(quán)系數(shù)線性分布和學(xué)習(xí)目標(biāo)函數(shù)的凸性，使網(wǎng)絡(luò)訓(xùn)練過(guò)程從根本上避免了局部最優(yōu)等非線性優(yōu)化問(wèn)題；第三，有較強(qiáng)的函數(shù)學(xué)習(xí)能力和推廣能力。

本文分享完畢，希望對(duì)大家有所幫助哦。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！