add(wavelets,#16055): DWT 1D from scratch + sous-série 04b (bloc A.1)

MyIA.AI.Notebooks/ML/DataScienceWithAgents/04b-Wavelet-Scattering/README.md

@@ -0,0 +1,26 @@
+# 04b - Wavelet Scattering : ondelettes et scattering
+
+[← DataScienceWithAgents (série parente)](../README.md)
+
+Série sur l'analyse multi-résolution : la transformée en ondelettes 1D réimplémentée from scratch, le débruitage par seuillage confronté au passe-bas Fourier, puis (feuille de route) l'extension 2D et les scattering networks invariants par translation.
+
+## Notebooks
+
+| Notebook | Sujet | Concept-phare |
+|----------|-------|---------------|
+| [WS-00a-Ondelettes-1D-from-scratch](WS-00a-Ondelettes-1D-from-scratch.ipynb) | DWT orthonormale à la main (Haar, D4 par formes closes, db4 par constantes publiées), synthèse écrite comme adjoint exact, validation croisée coefficient par coefficient contre PyWavelets, profil d'énergie par échelle, débruitage par seuillage dur/doux (seuil universel MAD, sans oracle) contre passe-bas Fourier (trois cutoffs, avec oracle) sur le banc canonique Donoho-Johnstone | **Aucune base n'est universellement parcimonieuse** : l'ondelette gagne le chirp (+4,5 dB sans oracle), Fourier gagne le stationnaire (+4,8 dB avec oracle), le mixte est serré |
+
+## Feuille de route (issue #16055)
+
+- **A.1 (livré)** - WS-00a : moteur 1D from scratch + duel débruitage ondelette/Fourier.
+- **A.2** - Ondelettes 2D : extension séparable, damiers de détails, compression d'image.
+- **A.3** - Scattering : cascade ondelette -> module -> moyenne, invariance par translation par construction.
+- **Bloc B** - SOTA : PyWavelets (BayesShrink, SureShrink), kymatio (scattering GPU), tableau comparatif from scratch vs SOTA.
+
+## Prérequis
+
+Python 3.10+, `numpy`. `pywt` (PyWavelets) n'est utilisé que pour la validation croisée, jamais pour calculer. Les bases d'algèbre linéaire (orthonormalité, adjoint) et de traitement du signal (FFT) suffisent ; `02-ML-Cours` (2.6, clustering/PCA) et `03-DeepLearning` (3.0, théorie de l'information) fournissent les ponts utiles.
+
+## Position dans la série
+
+Cette sous-série prolonge `03-DeepLearning` et `04-Vision` : les ondelettes sont à la fois un outil classique d'analyse de signal (débruitage, compression) et un ingrédient de réseaux modernes (scattering networks). La discipline est la même que dans les séries voisines : from scratch d'abord, framework ensuite, parité mesurée contre la référence.