调和分析与小波入门

前言第一章 连续函数空间与Lebesgue空间 1.1 连续函数空间 1.2 Lebesgue空间 1.3 卷积与光滑逼近 1.4 Calder6n—Zygmund分解 习题第二章 Fourier变换与调和函数边值 2.1 L1理论 2.2 L2（R2） 2.3 调和函数的基本性质 2.4 调和函数的边值与Poisson积分 习题第三章 分布理论 3.1 实验函数 3.2 分布的定义 3.3 分布的单位逼近与Littlewood—Paley分解 习题第四章 正交二进小波 4.1 多分辨率分析的定义与几个例子 4.2 尺度函数与滤波函数 4.3 小波基 习题第五章 其他小波 5.1 方体上的小波 5.2 Malvar小波 习题第六章 小波的几个应用 6.1 金字塔算法 6.2 Besov空间 6.3 小波神经网络 6.3.1 人工神经网络 6.3.2 小波神经网络 6.3.3 基于多分辨率分析的神经网络 6.3.4 小波神经网络的特性 6.4 数字水印 习题附录 模拟试卷参考文献

前言第一章 连续函数空间与Lebesgue空间 1.1 连续函数空间 1.2 Lebesgue空间 1.3 卷积与光滑逼近 1.4 Calder6n—Zygmund分解 习题第二章 Fourier变换与调和函数边值 2.1 L1理论 2.2 L2（R2） 2.3 调和函数的基本性质 2.4 调和函数的边值与Poisson积分 习题第三章 分布理论 3.1 实验函数 3.2 分布的定义 3.3 分布的单位逼近与Littlewood—Paley分解 习题第四章 正交二进小波 4.1 多分辨率分析的定义与几个例子 4.2 尺度函数与滤波函数 4.3 小波基 习题第五章 其他小波 5.1 方体上的小波 5.2 Malvar小波 习题第六章 小波的几个应用 6.1 金字塔算法 6.2 Besov空间 6.3 小波神经网络 6.3.1 人工神经网络 6.3.2 小波神经网络 6.3.3 基于多分辨率分析的神经网络 6.3.4 小波神经网络的特性 6.4 数字水印 习题附录 模拟试卷参考文献
· · · · · · (收起)