非线性逼近的自适应小波神经网络方法

利用小波空间中函数的多分辨率分解思想,构造了一种用于学习的小波网络模型。其中采用具有紧支撑集的尺度函数和小波函数作为激励函数,从理论上得到确定子网络隐层节点数目的依据,解决了传统学习网络隐层节点数难以确定的问题。模型包括初始的学习网络和在训练过程中不断并入的子网络。该模型通过自适应的并入新的子网络来不断提高学习精度,而对新子网络的训练不会影响到已训练成功的原网络的结构。实验也证明,这种网络不但可以精确的表示一般样本集的非线性关系,同样可以实现对混沌时间序列的精确学习。