برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Wavelets, Approximation, and Statistical Applications

دانلود کتاب موجک ها، تقریب، و کاربردهای آماری

مشخصات کتاب

Wavelets, Approximation, and Statistical Applications

دسته بندی: موجک و پردازش سیگنال
ویرایش: 1 
نویسندگان: Wolfgang Härdle,  Gerard Kerkyacharian,  Dominique Picard,  Alexander Tsybakov  
سری: Lecture Notes in Statistics 
ISBN (شابک) : 0387984534, 9780387984537 
ناشر: Springer 
سال نشر: 2000 
تعداد صفحات: 284 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت

قیمت کتاب (تومان) : 42,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 9

در صورت تبدیل فایل کتاب Wavelets, Approximation, and Statistical Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب موجک ها، تقریب، و کاربردهای آماری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب موجک ها، تقریب، و کاربردهای آماری

نظریه ریاضی ondelettes (موجک) توسط ایو مایر و بسیاری از همکاران حدود 10 سال پیش ایجاد شد. این برای تقریب توابع و سطوح احتمالاً نامنظم طراحی شده بود و با موفقیت در فشرده سازی داده ها، تجزیه و تحلیل آشفتگی، تصویر و پردازش سیگنال استفاده شد. پنج سال پیش، نظریه موجک به تدریج به عنوان یک چارچوب قدرتمند برای مسائل آماری ناپارامتریک به نظر می رسید. پیاده سازی های محاسباتی کارآمد در این لوستروم دوم دهه نود ظاهر می شوند. این کتاب این سه جریان اصلی نظریه موجک را گرد هم می آورد. این نظریه را ارائه می دهد، تقریب ها را مورد بحث قرار می دهد و کاربردهای آماری مختلفی را ارائه می دهد. هدف این متن معرفی افراد مبتدی در این زمینه با جنبه های مختلف موجک است. موجک ها به یک رابط محاسباتی بسیار تعاملی نیاز دارند. بنابراین، ما همه برنامه‌ها را با کد نرم‌افزار از یک محیط محاسباتی آماری تعاملی ارائه می‌کنیم. خوانندگان علاقه مند به تئوری و ساخت موجک ها در اینجا نتایجی را به شکل فشرده پیدا خواهند کرد که تا حدودی در ادبیات تحقیق پراکنده شده اند. یک پزشک می‌تواند از طریق کد نرم‌افزار موجود از موجک‌ها استفاده کند. بنابراین امیدواریم که با این کتاب به تئوری و عمل بپردازیم و در نتیجه به ایجاد پل هایی بین گروه های مختلف دانشمندان کمک کنیم. این ت. xt از همکاری فرانسه و آلمان (Seminaire Paris Berlin، Seminar Berlin-Paris) نشأت گرفت. این سمینار آماردانان نظری و کاربردی از برلین و پاریس را گرد هم می آورد. این اثر در اولین سمینار برگزار شده در گارچی، بورگوندی در سال 1994 سرچشمه می گیرد.

توضیحاتی درمورد کتاب به خارجی

The mathematical theory of ondelettes (wavelets) was developed by Yves Meyer and many collaborators about 10 years ago. It was designed for ap proximation of possibly irregular functions and surfaces and was successfully applied in data compression, turbulence analysis, image and signal process ing. Five years ago wavelet theory progressively appeared to be a power ful framework for nonparametric statistical problems. Efficient computa tional implementations are beginning to surface in this second lustrum of the nineties. This book brings together these three main streams of wavelet theory. It presents the theory, discusses approximations and gives a variety of statistical applications. It is the aim of this text to introduce the novice in this field into the various aspects of wavelets. Wavelets require a highly interactive computing interface. We present therefore all applications with software code from an interactive statistical computing environment. Readers interested in theory and construction of wavelets will find here in a condensed form results that are somewhat scattered around in the research literature. A practioner will be able to use wavelets via the available software code. We hope therefore to address both theory and practice with this book and thus help to construct bridges between the different groups of scientists. This te. xt grew out of a French-German cooperation (Seminaire Paris Berlin, Seminar Berlin-Paris). This seminar brings together theoretical and applied statisticians from Berlin and Paris. This work originates in the first of these seminars organized in Garchy, Burgundy in 1994.

فهرست مطالب

What can wavelets offer?......Page 13
General remarks......Page 19
Data compression......Page 20
Nonlinear smoothing properties......Page 25
Synopsis......Page 26
The Haar basis wavelet system......Page 29
Multiresolution analysis......Page 35
Wavelet system construction......Page 37
An example......Page 38
Some facts from Fourier analysis......Page 41
When do we have a wavelet expansion?......Page 45
How to construct mothers from a father......Page 52
Additional remarks......Page 54
Construction starting from Riesz bases......Page 57
Construction starting from m0......Page 64
Daubechies\' construction......Page 69
Coiflets......Page 73
Symmlets......Page 75
Introduction......Page 79
Sobolev Spaces......Page 80
Approximation kernels......Page 83
Approximation theorem in Sobolev spaces......Page 84
Periodic kernels and projection operators......Page 88
Moment condition for projection kernels......Page 92
Moment condition in the wavelet case......Page 97
Besov spaces......Page 109
Littlewood-Paley decomposition......Page 114
Approximation theorem in Besov spaces......Page 123
Wavelets and approximation in Besov spaces......Page 125
Introduction......Page 133
Linear wavelet density estimation......Page 134
Soft and hard thresholding......Page 146
Linear versus nonlinear wavelet density estimation......Page 155
Asymptotic properties of wavelet thresholding estimates......Page 170
Some real data examples......Page 178
Comparison with kernel estimates......Page 185
Regression estimation......Page 189
Other statistical models......Page 195
Different forms of wavelet thresholding......Page 199
Adaptivity properties of wavelet estimates......Page 203
Thresholding in sequence space......Page 207
Adaptive thresholding and Stein\'s principle......Page 211
Oracle inequalities......Page 216
Bibliographic remarks......Page 218
Introduction......Page 221
The cascade algorithm......Page 222
Discrete wavelet transform......Page 226
Statistical implementation of the DWT......Page 228
Translation invariant wavelet estimation......Page 233
Main wavelet commands in XploRe......Page 236
Wavelet Coefficients......Page 241
BookmarkTitle:......Page 243
Software Availability......Page 244
Bernstein and Rosenthal inequalities......Page 245
A Lemma on the Riesz basis......Page 250
Bibliography......Page 252