Function Approximation Using Wavelet And Radial Basis Function Networks

• मुख्य लेखक: Ramli, Rabihah
• स्वरूप: थीसिस
• भाषा: अंग्रेज़ी
• प्रकाशित: 2004
• विषय: QA1 Mathematics (General)
• ऑनलाइन पहुंच: http://eprints.usm.my/31140/

Rangkaian Wavelet telah diperkenalkan sebagai proses suap depan bagi rangkaian neural yang disokong oleh teori wavelet. Rangkaian neural ini dapat digunakan secara langsung dalam penghampiran fungsi. Dalam disertasi ini, Rangkaian Wavelet dibuktikan sebagai salah satu sub-bahagian dalam kumpulan keturunan di mana rangkaian neural ini mempunyai sifat yang sama dengan kumpulan yang di namakan Fungsi Asas Radial Berpemberat. Hal ini juga berlaku bagi rangkaian neural yang mempunyai paradigma yang berlainan. Disertasi ini juga merangkumi pengkajian dalam Fungsi Asas Radial berperingkat 2.Fungsi ini juga dikenali sebagai Fungsi Asas Radial Piawai kerana mempunyai persamaan dimana fungsi ini akan bertindak sebagai Fungsi Asas Radial Piawai apabila fungsi exponent mempunyai sifat yang sarna dengan fungsi pengaktifan Gaussian apabila peringkat bagi eksponen n =2. The Wavelet Neural Network has been introduced as a special feedforward neural network supported by the wavelet theory. Such network can be directly used in function approximation problems. In this dissertation, wavelet networks are proven to be as well as many other neural paradigms, a specific case of generic paradigm named Weighted Radial Basis Functions Network. In this dissertation we will also investigate the WRBF- 2. WRBF-2 is standard RBF since the exponential function behaves as a Gaussian, due to the exponent n = 2.