Data Fitting and Uncertainty: A practical introduction to weighted least squares and beyond

موضوع برازش داده‌ها، رشته‌های بسیاری را به هم پیوند می‌دهد، به‌ویژه رشته‌هایی که به طور سنتی با آماری مانند فیزیک، ریاضیات، مهندسی، زیست‌شناسی، اقتصاد یا روان‌شناسی سروکار دارند، اما همچنین زمینه‌های جدیدتری مانند بینایی رایانه را نیز در بر می‌گیرد. این کتاب خطاب به مهندسان و دانشمندان کامپیوتر یا دانشجویان مربوطه در مقطع کارشناسی است که علاقه مند به برازش داده ها با روش تقریب حداقل مربعات هستند، اما دانش اولیه در این زمینه ندارند یا فقط محدود هستند. خوانندگان با تجربه در آن ایده های جدیدی پیدا می کنند یا ممکن است از کتاب به عنوان یک اثر مرجع مفید قدردانی کنند. آشنایی با جبر خطی اولیه مفید است اما ضروری نیست زیرا کتاب شامل مقدمه ای مستقل است و روش را به شیوه ای منطقی و قابل دسترس ارائه می دهد. هدف اصلی متن توضیح نحوه عملکرد برازش داده ها از طریق حداقل مربعات است. خواننده متوجه خواهد شد که تأکید کتاب بر مسائل عملی است نه بر مسائل نظری. علاوه بر این، این کتاب خواننده را قادر می‌سازد تا پیاده‌سازی نرم‌افزار خود را با توابع مدل خاص برنامه بر اساس بحث جامع چندین مثال طراحی کند. متن همراه با کد منبع کار در ANSI-C برای برازش با حداقل مربعات وزنی از جمله تشخیص پرت است. وزن ها و نقاط پرت – عدم قطعیت نتایج – جبر ماتریسی – ایده پشت حداقل مربعات – ابزارها و روش های تکمیلی

گروه های هدف:
مهندسان، دانشمندان کامپیوتر، فیزیکدانان و برنامه نویسان نرم افزار
دانشجویان کارشناسی مهندسی، کامپیوتر علم، فیزیک

درباره نویسنده:
Dr.-Ing. هابیل Tilo Strutz استاد Hochschule für Telekommunikation Leipzig (دانشگاه علوم کاربردی، Deutsche Telekom AG) است. تخصص او از پردازش سیگنال عمومی گرفته تا پردازش تصویر و فشرده سازی داده ها است.

The subject of data fitting bridges many disciplines, especially those traditionally dealing with statistics like physics, mathematics, engineering, biology, economy, or psychology, but also more recent fields like computer vision. This book addresses itself to engineers and computer scientists or corresponding undergraduates who are interested in data fitting by the method of least-squares approximation, but have no or only limited pre-knowledge in this field. Experienced readers will find in it new ideas or might appreciate the book as a useful work of reference. Familiarity with basic linear algebra is helpful though not essential as the book includes a self-contained introduction and presents the method in a logical and accessible fashion. The primary goal of the text is to explain how data fitting via least squares works. The reader will find that the emphasis of the book is on practical matters, not on theoretical problems. In addition, the book enables the reader to design own software implementations with application-specific model functions based on the comprehensive discussion of several examples. The text is accompanied with working source code in ANSI-C for fitting with weighted least squares including outlier detection.

The content:
Introduction to Data-Fitting Problems – Estimation of Model Parameters by Least-Squares – Weights and Outliers – Uncertainty of Results – Matrix Algebra – The Idea Behind Least Squares – Supplemental Tools and Methods

Target Groups:
engineers, computer scientists, physicists and software programmers
undergraduates of engineering, computer science, physics

About the author:
Dr.-Ing. habil. Tilo Strutz is professor at Hochschule für Telekommunikation Leipzig (University of Applied Sciences, Deutsche Telekom AG). His expertise is ranging from general signal processing to image processing to data compression.