Function Approximation Using Wavelet And Radial Basis Function Networks

Rangkaian Wavelet telah diperkenalkan sebagai proses suap depan bagi rangkaian neural yang disokong oleh teori wavelet. Rangkaian neural ini dapat digunakan secara langsung dalam penghampiran fungsi. Dalam disertasi ini, Rangkaian Wavelet dibuktikan sebagai salah satu sub-bahagian dalam kumpulan...

Full description

Saved in:

Bibliographic Details
Main Author:	Ramli, Rabihah
Format:	Thesis
Language:	English
Published:	2004
Subjects:	QA1 Mathematics (General)
Online Access:	http://eprints.usm.my/31140/1/RABIHAH_BINTI_RAMLI.pdf
Tags:	Add Tag No Tags, Be the first to tag this record!

id	my-usm-ep.31140
record_format	uketd_dc
spelling	my-usm-ep.311402016-11-17T08:50:07Z Function Approximation Using Wavelet And Radial Basis Function Networks 2004-06 Ramli, Rabihah QA1 Mathematics (General) Rangkaian Wavelet telah diperkenalkan sebagai proses suap depan bagi rangkaian neural yang disokong oleh teori wavelet. Rangkaian neural ini dapat digunakan secara langsung dalam penghampiran fungsi. Dalam disertasi ini, Rangkaian Wavelet dibuktikan sebagai salah satu sub-bahagian dalam kumpulan keturunan di mana rangkaian neural ini mempunyai sifat yang sama dengan kumpulan yang di namakan Fungsi Asas Radial Berpemberat. Hal ini juga berlaku bagi rangkaian neural yang mempunyai paradigma yang berlainan. Disertasi ini juga merangkumi pengkajian dalam Fungsi Asas Radial berperingkat 2.Fungsi ini juga dikenali sebagai Fungsi Asas Radial Piawai kerana mempunyai persamaan dimana fungsi ini akan bertindak sebagai Fungsi Asas Radial Piawai apabila fungsi exponent mempunyai sifat yang sarna dengan fungsi pengaktifan Gaussian apabila peringkat bagi eksponen n =2. The Wavelet Neural Network has been introduced as a special feedforward neural network supported by the wavelet theory. Such network can be directly used in function approximation problems. In this dissertation, wavelet networks are proven to be as well as many other neural paradigms, a specific case of generic paradigm named Weighted Radial Basis Functions Network. In this dissertation we will also investigate the WRBF- 2. WRBF-2 is standard RBF since the exponential function behaves as a Gaussian, due to the exponent n = 2. 2004-06 Thesis http://eprints.usm.my/31140/ http://eprints.usm.my/31140/1/RABIHAH_BINTI_RAMLI.pdf application/pdf en public masters Universiti Sains Malaysia Pusat Pengajian Sains Matematik
institution	Universiti Sains Malaysia
collection	USM Institutional Repository
language	English
topic	QA1 Mathematics (General)
spellingShingle	QA1 Mathematics (General) Ramli, Rabihah Function Approximation Using Wavelet And Radial Basis Function Networks
description	Rangkaian Wavelet telah diperkenalkan sebagai proses suap depan bagi rangkaian neural yang disokong oleh teori wavelet. Rangkaian neural ini dapat digunakan secara langsung dalam penghampiran fungsi. Dalam disertasi ini, Rangkaian Wavelet dibuktikan sebagai salah satu sub-bahagian dalam kumpulan keturunan di mana rangkaian neural ini mempunyai sifat yang sama dengan kumpulan yang di namakan Fungsi Asas Radial Berpemberat. Hal ini juga berlaku bagi rangkaian neural yang mempunyai paradigma yang berlainan. Disertasi ini juga merangkumi pengkajian dalam Fungsi Asas Radial berperingkat 2.Fungsi ini juga dikenali sebagai Fungsi Asas Radial Piawai kerana mempunyai persamaan dimana fungsi ini akan bertindak sebagai Fungsi Asas Radial Piawai apabila fungsi exponent mempunyai sifat yang sarna dengan fungsi pengaktifan Gaussian apabila peringkat bagi eksponen n =2. The Wavelet Neural Network has been introduced as a special feedforward neural network supported by the wavelet theory. Such network can be directly used in function approximation problems. In this dissertation, wavelet networks are proven to be as well as many other neural paradigms, a specific case of generic paradigm named Weighted Radial Basis Functions Network. In this dissertation we will also investigate the WRBF- 2. WRBF-2 is standard RBF since the exponential function behaves as a Gaussian, due to the exponent n = 2.
format	Thesis
qualification_level	Master's degree
author	Ramli, Rabihah
author_facet	Ramli, Rabihah
author_sort	Ramli, Rabihah
title	Function Approximation Using Wavelet And Radial Basis Function Networks
title_short	Function Approximation Using Wavelet And Radial Basis Function Networks
title_full	Function Approximation Using Wavelet And Radial Basis Function Networks
title_fullStr	Function Approximation Using Wavelet And Radial Basis Function Networks
title_full_unstemmed	Function Approximation Using Wavelet And Radial Basis Function Networks
title_sort	function approximation using wavelet and radial basis function networks
granting_institution	Universiti Sains Malaysia
granting_department	Pusat Pengajian Sains Matematik
publishDate	2004
url	http://eprints.usm.my/31140/1/RABIHAH_BINTI_RAMLI.pdf
_version_	1747820396792512512

Function Approximation Using Wavelet And Radial Basis Function Networks

Similar Items