Simone如何理解小波神经网络的原理？
的有关信息介绍如下：
给几个例子：
1.离散仿射小波网络模型。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L^2 (R)中的仿射框架，进而构造小波神经网络。
2.小波元代替神经元，即用已定位的小波函数代替Sigmod 函数作激活函数，通过仿射变换建立起小波变换与网络系数之间的联接，并应用于函数逼近。
3.采用正交小波函数作为神经元的激活函数，即正交多分辨小波神经网络。依据多分辨率分析理论，把尺度函数和小波函数共同包含在网络中，并采用逐级学习的方法来训练网络。即先在粗分辨率下(尺度函数)对信号进行逼近，而后由粗到细逐渐增加结点(小波函数)。由于正交小波基具有良好的时-频分辨性能，当信号剧烈突变时，网络可增加分辨尺度来保证逼近的精度。此外，由于各函数基的相互正交性，训练过程中添加、删除网络结点不影响已训练好的网络权值，可使网络学习的时间大大缩短。
