Радиальная основа Fn против вейвлетов (не нейронных сетей) / Представление двумерной скалярной функции
Я заинтересован в параметризации поверхности без сетки. Одним из методов, используемых в области оптики, является использование радиальных базисных функций (например, гауссиан).
С наивной точки зрения, разложение двумерного скалярного поля на гауссовы функции с центрами в разных пространственных местоположениях звучит не так сильно, как вейвлет-преобразования.
Будучи новичком как в вейвлетах, так и в RBF, оба они, по-видимому, разлагаются на ряд функций с конечной степенью в отличие от разложения Фурье, разложения функций Бесселя, полиномов Лежандра..., которые имеют тенденцию распределяться по всей области 2D поле.
- Для каждого из вас не нужно проявлять субъективную оценку при выборе пространственного масштаба (наименьшего размера) RBF или вейвлетов?
- Есть ли принципиальная разница, которая помогает выбрать, какой подход использовать? (RBF против вейвлета)
- Является ли один более эффективным в вычислительном отношении, чем другой?
- Каким будет показатель для определения того, что лучше?
Refs