<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[work_harderer的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/work_harderer</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; work_harderer]]></copyright><item><title><![CDATA[非线性最小二乘问题的高斯-牛顿算法]]></title><link>https://blog.youkuaiyun.com/work_harderer/article/details/111463095</link><guid>https://blog.youkuaiyun.com/work_harderer/article/details/111463095</guid><author>work_harderer</author><pubDate>Sun, 20 Dec 2020 21:44:19 +0800</pubDate><description><![CDATA[@非线性最小二乘问题的高斯-牛顿算法
非线性最小二乘与高斯-牛顿算法
开始做这个东西还是因为学校里的一次课程设计任务，找遍了全网好像也没有特别好用的，于是就自己写了一个。仅供参考。
首先，介绍下非线性最小二乘问题。
非线性最小二乘是数值最优化领域最常见的一个子问题。与一般的优化问题不同的是，非线性最小二乘的目标函数具有明确的物理意义—残差。
应用背景：消除误差或忽略无关细节，从干扰数据中提取信号或找出趋势，将大量数据降低到可管理的数量或用简单的近似来代替复杂函数。事实上，在许多时候它也不用很精确。但尽管如此]]></description><category></category></item></channel></rss>