數(shù)據(jù)擬合與不確定度

第I部分 最小二乘方法的框架
第1章 數(shù)據(jù)擬合問題的引入
1．1 什么是數(shù)據(jù)擬合
1．2 符號說明
1．3 線性與非線性問題
1．4 線性數(shù)據(jù)擬合的應(yīng)用實例
1．4．1 估計常數(shù)
1．4．2 估計直線中的參數(shù)（線性回歸）
1．4．3 多項式函數(shù)
1．4．4 多元線性回歸
1．4．5 維納濾波
1．5 若干非線性數(shù)據(jù)擬合問題
1．5．1 指數(shù)函數(shù)
1．5．2 復(fù)合高斯貝爾函數(shù)
1．5．3 圓周函數(shù)
1．5．4 神經(jīng)網(wǎng)絡(luò)
1．6 測試題
第2章 基于最小二乘方法估計模型參數(shù)
2．1 “最小二乘”的含義
2．2 求解最小化問題的常規(guī)算法
2．3 需要注意的問題
2．4 線性模型函數(shù)條件下的簡化處理
2．5 未知模型函數(shù)條件下的曲線擬合
2．6 計算實例
2．6．1 常數(shù)擬合
2．6．2 直線擬合
2．6．3 多項式函數(shù)擬合
2．6．4 平面擬合
2．6．5 線性預(yù)測
2．6．6 余弦函數(shù)擬合
2．6．7 坐標(biāo)旋轉(zhuǎn)和平移
2．6．8 指數(shù)函數(shù)擬合
2．6．9 復(fù)合高斯貝爾函數(shù)擬合
2．6．10 圓周擬合
2．6．11 神經(jīng)網(wǎng)絡(luò)
2．7 測試題
第3章 加權(quán)和異常值
……
第II部分 數(shù)學(xué)、優(yōu)化方法以及輔助內(nèi)容