导　　师： 高协平

授予学位： 硕士

作　　者： ;

机构地区： 湘潭大学

摘　　要： 小波神经网络是目前一种有效的信号处理工具。许多学者对它做了大量的研究。因为它成功继承了小波分解和RBF神经网络的优点，使得目前的小波神经网络研究大多是集中在学习算法的改进，而在网络结构上还是沿用经典的单隐层的RBF神经网络结构。 另一方面，小波神经网络在各种应用中取得瞩目成功的同时，一直不能克服收敛速度慢，网络精度得不到进一步提高的缺点。这影响了小波神经网络进一步的发展。 本文提出并研究了一种新的双隐层的小波神经网络结构框架,并且证明了本文双隐层的小波神经网络具有一致及逼近性质。基于新的结构框架，本文构造了几类新的小波神经网络及相应的学习算法，并应用于非线性函数逼近领域。实验结果表明：双隐层的小波神经网络与目前各类小波神经网络，神经网络相比，不但学习速度得到惊人的提高，而且网络的精度也得到大幅度的提高。

关 键 词： 小波神经网络 非线性函数逼近 神经网络 信号处理

分 类 号： [TN911.7 TP183]

领　　域： [电子电信] [电子电信] [自动化与计算机技术] [自动化与计算机技术]