哈嘍,大家好~~~我是小編田甜，關于小波神經網絡流程圖，小波神經網絡理論知識詳解這個很多人還不知道,那么現在讓田甜帶著大家一起來看看吧！

小波神經網絡（Wavelet?Neural?Network，?WNN）是在小波分析研究獲得突破的基礎上提出的一種人工神經網絡。

它是基于小波分析理論以及小波變換所構造的一種分層的、多分辨率的新型人工神經網絡模型。

?即用非線性小波基取代了通常的非線性Sigmoid?函數，其信號表述是通過將所選取的小波基進行線性疊加來表現的。

它避免了BP?神經網絡結構設計的盲目性和局部最優(yōu)等非線性優(yōu)化問題，大大簡化了訓練，具有較強的函數學習能力和推廣能力及廣闊的應用前景。

“小波神經網絡”的應用：在影像處理方面，可以用于影像壓縮、分類、識別與診斷，去污等。

在醫(yī)學成像方面的減少B超、CT、核磁共振成像的時間，提高解析度等。

2、在信號分析中的應用也十分廣泛。

它可以用于邊界的處理與濾波、時頻分析、信噪分離與提取弱信號、求分形指數、信號的識別與診斷以及多尺度邊緣偵測等。

3、在工程技術等方面的應用。

包括電腦視覺、電腦圖形學、曲線設計、湍流、遠端宇宙的研究與生物醫(yī)學方面。

擴展資料：小波神經網絡這方面的早期工作大約開始于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《神經網絡的應用與實現》中從理論上對小波神經網絡進行了較為詳細的論述。

近年來，人們在小波神經網絡的理論和應用方面都開展了不少研究工作。

小波神經網絡具有以下特點：首先，小波基元及整個網絡結構的確定有可靠的理論根據，可避免BP?神經網絡等結構設計上的盲目性；其次，網絡權系數線性分布和學習目標函數的凸性，使網絡訓練過程從根本上避免了局部最優(yōu)等非線性優(yōu)化問題；第三，有較強的函數學習能力和推廣能力。

本文分享完畢，希望對大家有所幫助哦。

　　免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯系刪除！