본 논문에서는 동적 다차원 웨이블릿 신경망을 제안한다. 웨이블릿 이론을 이용한 DMWNN은 근사화 대상함수를 유일하고 효과적으로 표현할 수 있으며, 추후에 사용할 수 있는 정보를 저장하는 능력을 가지고 있다. 따라서 DMWNN은 동적 매핑이 가능하고, 필요한 입력의 차원을 줄일 수 있는 장점이 있다. DMWNN은 대각 귀환신경망과 전방향 웨이블릿 신경망의 단점을 보완하여 설계하였다. 제안한 DMWNN의 우수성을 실험을 통해 검증하였다.
In this paper, new neural network called dynamic multidimensional wavelet neural network (DMWNN) is proposed. The resulting network from wavelet theory provides a unique and efficient representation of the given function. Also the proposed DMWNN have ability to store information for later use. Therefore it can represent dynamic mapping and decreases the dimension of the inputs needed for network. This feature of DMWNN can compensate for the weakness of diagonal recurrent neural network(DRNN) and feedforward wavelet neural network(FWNN). The efficacy of this type of network is demonstrated through experimental results.
