TY - JOUR ID - TI - Genetically Based Wavenets for System Modeling نمذجة الانظمة الجينية اعتمادا على الشبكات الموجية AU - Mohammed A. Abdala PY - 2008 VL - 12 IS - 3 SP - 120 EP - 132 JO - Journal of Engineering and Sustainable Development (JEASD) مجلة الهندسة والتنمية المستدامة SN - 25200917 25200925 AB - The combination of wavelet theory and neural networks has lead to the development of wavelet networks (wavenets). Wavenets are feed-forward neural networks which used wavelets as activation functions, and the basis used in wavenet has been called wavelons. Wavenets are successfully used in identification problems. The strength of wavenets lies in their capabilities of catching essential features in “frequency-rich” signals. In wavenet, both the translation and the dilation of the wavelets (wavelons) are optimized besides the weights.
The wavenet algorithm consists of two processes: the self-construction of networks and the minimization of errors. In the first process, the network structure is determined by using wavelet analysis. In the second process, the approximation errors are minimized. The wavenets with different types of frame wavelet function are integrated for their simplicity, availability, and capability of constructing unknown nonlinear function. Thus, wavelet can identify the localization of unknown function at any level.
In addition, genetic algorithms (GAs) are used successfully in training wavenets since GAs reaches quickly the region of the optimal solution. Tests show that GA obtains best weight vector and produces a lower sum square error in a short period of time.

لقد أدى مزج نظرية المويجات والشبكات العصبية إلى تطوير شبكات المويجات(Wavenet) . ان شبكات المويجات هي شبكات عصبية أمامية التغذية تستخدم المويجات كدوال التحفز. أن الأسس المستخدمة في شبكة المويجات سميت بـ(Wavelons) . لقد تم استخدام الشبكة المويجية في مشاكل التمييز بنجاح. أن قوة الشبكة المويجية تكمن في قدرتها على امتلاك الخصائص الضرورية في الإشارات الغنية بالترددات. في الشبكة المويجية يتم اختيار الأمثل لكل من التنقلات والسعة للمويجة بالإضافة إلى الأوزان. تتكون الخوارزمية من عمليتين: التركيب الذاتي للشبكات وتقليل الأخطاء. في العملية الأولى يتم تحديد هيكل الشبكة باستخدام تحليل المويجة. أما في العملية الثانية فيتم تقليل أخطاء التقريب.لقد تم استخدام الخوارزميات الجينية بنجاح لتدريب الشبكة المويجية وذلك لأن الخوارزميات الجينية تصل بسرعة إلى منطقة الحل الأمثل. لقد أظهرت الاختبارات التي أجريت في هذا البحث بان الخوارزميات الجينية تحصل على مجموعة الأوزان الأفضل وتقدم اقل مجموع لمربعات الأخطاء في فترة زمنية قصيرة. ER -