Simone小波神经网络（Wavelet Neural Network， WNN）是在小波分析研究获得突破的基础上提出的一种人工神经网络程。它是基于小波分析理论以及小波变换所构造的一种分层的、多分辨率的新型人工神经宣场网络模型。
即用非线性小波基取代了通常的非线性Sigmoid 函数，其信号表来自述是通过将所选取的举烧出孔跳感溶巴春减本小波基进行线性叠加来表现的。它避免了BP 神经网络结构设计的盲目性和局部最优等非线性优化问题，大360问答大简化了训练，具有较强的函数学习能力和推广能力及广阔的应用前景。
“小波神经网络”的应用：
1、在影像处理方面，可以用于影像压缩、分类、识别与诊断，去污等。在医学成像方面的减少B超、CT、核磁共振成像的时间，提高解析度等。
2、在信号分析中的应用也十分广泛。它可以用于边界的处理与滤波、时负愿步好若首等频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘侦测等。
3、在工程技术等方面的应用。包括电脑视觉、电脑图形学、曲线设计、湍流、远端宇宙的研究与生物医学方面。
扩展资料：
小波神经网络这方面的早期工作大约开始于1992 年，主要研究者是Zhang Q、Harold H S 和焦李成等。其中，焦李成在其代表作《神经网络的应用与实现》中从理论上对小波神经网络进行了较为详细的论述呼够血十井粉析。近年来，人们在小波神经网胜电才纸络的理论和应用方面都开展了不少研究工作。
小波神经网络具有以下特点：首先，小波基元及整个网络结构的确定有可靠的理论根据，可避免BP 神经网络等结构设计上的盲目性；其次，网络权系数线性分布和学习目标函数的凸性，使网络训练过程从根本上避免了局部最优等非线性优化问题；第三，有较强的函数学习能力和推广能力。
