神经网络实用教程课件作者张良均曹晶3.3小波神经网络.pptVIP

3.3 小波神经网络 3.3.1 概述 小波神经网络（Wavelet Neural Network, WNN）是小波分析理论与神经网络理论相结合的产物 Pati和Krishnaprasad提出了离散仿射小波网络模型，其基本思想是将离散小波变换引入神经网络模型，通过对Sigmoid函数的平移伸缩构成中的仿射框架，进而构造小波神经网络。 Zhang Qinghu等1992年正式提出小波神经网络的概念，其思想是用小波元代替神经元，即用已定位的小波函数代替Sigmoid 函数作为激活函数，通过仿射变换建立起小波变换与网络系数之间的连接。 3.3.1 概述 小波神经网络的优点 小波变换通过尺度伸缩和平移对信号进行多尺度分析，能有效提取信号的局部信息 神经网络具有自学习、自适应和容错性等特点，并且是一类通用函数逼近器。 小波神经网络的基元和整个结构是依据小波分析理论确定的，可以避免BP神经网络等结构设计上的盲目性 小波神经网络有更强的学习能力，精度更高 对同样的学习任务，小波神经网络结构更简单，收敛速度更快。 3.3.1 概述 小波神经网络类型 松散型 小波分析对神经网络的输入进行初步处理，使得输入神经网络的信息更易于神经网络进行处理 融合型 小波和神经网络直接融合，即小波元代替神经元,输入层到隐含层的权值及隐含层阈值分别由小波函数的尺度和平移参数所代替 （1）连