اپراتور عصبی موجک (Wavelet Neural Operator)، در ریاضیات (Mathematics)
انواع شبکه های عصبی (Neural Networks) را در آموزش زیر شرح دادیم :
اپراتور عصبی موجک (Wavelet Neural Operator) :
اپراتور عصبی موجک (Wavelet Neural Operator) ترکیبی از ایده های موجک (wavelet) و اپراتورهای عصبی است. در این روش، به جای استفاده از تبدیل فوریه (که پایه های سراسری دارد)، از تبدیل موجک (که پایه های محلی در زمان و فرکانس دارد) برای نمایش توابع و یادگیری عملگر استفاده می شود. این می تواند برای مسائلی با رفتارهای ناایستا یا ناهموار مفید باشد.
ایده: توابع ورودی و خروجی با استفاده از تبدیل موجک به ضرایب مقیاس و جزئیات تجزیه می شوند. سپس یک شبکه عصبی (مثلا یک اپراتور ساده) روی این ضرایب اعمال می شود و در نهایت با تبدیل موجک معکوس، تابع خروجی بازسازی می شود. این روش می تواند اطلاعات محلی را بهتر حفظ کند.
این حوزه نیز نوظهور است و پتانسیل در تحلیل سیگنال ها و تصاویر چندمقیاسه دارد.
