海洋测绘
海洋測繪
해양측회
HAIYANG CEHUI
2009年
3期
71-73
,共3页
变形监测%小波%基函数%神经网络
變形鑑測%小波%基函數%神經網絡
변형감측%소파%기함수%신경망락
小波神经网络具有良好的时频局域化性质和神经网络的自学习功能.它通过小波分解进行平移和伸缩变换后得到的级数,具有小波分解的一般逼近函数的性质,因此可以用来预报.小波神经网络引入了两个新的参变量即伸缩因子和平移因子,因此具有比小波分解更多的自由度,从而使其具有灵活有效的函数逼近能力和较强的容错能力.
小波神經網絡具有良好的時頻跼域化性質和神經網絡的自學習功能.它通過小波分解進行平移和伸縮變換後得到的級數,具有小波分解的一般逼近函數的性質,因此可以用來預報.小波神經網絡引入瞭兩箇新的參變量即伸縮因子和平移因子,因此具有比小波分解更多的自由度,從而使其具有靈活有效的函數逼近能力和較彊的容錯能力.
소파신경망락구유량호적시빈국역화성질화신경망락적자학습공능.타통과소파분해진행평이화신축변환후득도적급수,구유소파분해적일반핍근함수적성질,인차가이용래예보.소파신경망락인입료량개신적삼변량즉신축인자화평이인자,인차구유비소파분해경다적자유도,종이사기구유령활유효적함수핍근능력화교강적용착능력.
