小波神经网络理论知识详解 小波神经网络和bp神经网络的区别

关于小波神经网络和bp神经网络的区别，小波神经网络理论知识详解这个很多人还不知道，今天小六来为大家解答以上的问题，现在让我们一起来看看吧！

1、小波神经网络（Wavelet Neural Network， WNN）是在小波分析研究获得突破的基础上提出的一种人工神经网络。

2、它是基于小波分析理论以及小波变换所构造的一种分层的、多分辨率的新型人工神经网络模型。

3、 即用非线性小波基取代了通常的非线性Sigmoid 函数，其信号表述是通过将所选取的小波基进行线性叠加来表现的。

4、它避免了BP 神经网络结构设计的盲目性和局部最优等非线性优化问题，大大简化了训练，具有较强的函数学习能力和推广能力及广阔的应用前景。

5、“小波神经网络”的应用：在影像处理方面，可以用于影像压缩、分类、识别与诊断，去污等。

6、在医学成像方面的减少B超、CT、核磁共振成像的时间，提高解析度等。

7、2、在信号分析中的应用也十分广泛。

8、它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘侦测等。

9、3、在工程技术等方面的应用。

10、包括电脑视觉、电脑图形学、曲线设计、湍流、远端宇宙的研究与生物医学方面。

11、扩展资料：小波神经网络这方面的早期工作大约开始于1992 年，主要研究者是Zhang Q、Harold H S 和焦李成等。

12、其中，焦李成在其代表作《神经网络的应用与实现》中从理论上对小波神经网络进行了较为详细的论述。

13、近年来，人们在小波神经网络的理论和应用方面都开展了不少研究工作。

14、小波神经网络具有以下特点：首先，小波基元及整个网络结构的确定有可靠的理论根据，可避免BP 神经网络等结构设计上的盲目性；其次，网络权系数线性分布和学习目标函数的凸性，使网络训练过程从根本上避免了局部最优等非线性优化问题；第三，有较强的函数学习能力和推广能力。

本文到此分享完毕，希望对大家有所帮助。