1) Orthonormal multi scaling functions on the interval[A,B] with multiplicity r
[A,B]-r重正交尺度函数
2) Orthonormal multi-scaling functions with multiplicity r
r重正交尺度函数
3) Multi-scaling function with scale= a
a尺度多重正交尺度函数
4) biorthogonal multiscaling function
双正交多重尺度函数
5) orthonormal scaling functions
正交尺度函数
1.
Wavelet neural networks,which basic functions are orthonormal scaling functions,are more suitable in app-roximating to function.
特别是,正交尺度函数为基函数的小波神经网络更适合于函数逼近。
6) orthogonal multiscaling functions
正交多尺度函数
补充资料:多重下调和函数
多重下调和函数
pturisubharmomc function
解释.对于每一点a任C”,H((鱿u)“,万)可以看成是一个分布(见广义函数(罗nen月iZed丘川Ction)),它是正的,因而可表示成测度.这完全类似于肠PlaCe算子作用于下调和函数的解释. 然而在这个框架中通常采用流动形(‘山祀nts),见〔A2〕.设C矛(p,们(D)表示D上具有紧支集,对{d:.,…,dz。}为p阶而对遥d瓦,‘·d瓦}为q阶的微分形式价一艺.,一,,.,一,切, ..,d:,八d瓦的空间(见微分形式(differential form)).外微分算子刁,百和d定义为 矛甲口甲,,,,,__。二, 刀中一*谷l,,石,止六兰“二·八“了,eC于(p十‘,q), (.1(二叱 ,小,刁价,;,_、,__。二, 口沪二乙乙~书昌己~d几八d了,任C矛(P,q+1), “廿,)班忍刁瓦 d毋二口切十J毋.d的核中的形式称为闭的(d咙ed),d的象中的形式称为恰当的(exaCt).当dd二O时,恰当形式的集合包含于闭的形式的集合之中.一个(p,p)型形式称为P阶正的(p叱itive of degree川,如果对于(1,0)型左,二艺少一ai,六,,“,,。c的每一组。.,…,a。一p,有(n,,,)型毋八ia!八瓦,八一八ia。一,八a。一,=gdV,其中g)O,而dV是Euclid体积元素. 令尸‘=n一尸,g‘=,,一任.D上一个(p‘,任’)型流动形是C牛(p,q)(D)上具有如下性质的一个线性形式t:对于每一个紧集KCD,存在常数C,k使得当:〔K且!川(k时,{
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条