最小均方算法
LMS算法全稱最小均方算法（Least Mean Squares），是一種在維納濾波理論基礎上發展起來的最佳化算法。
LMS算法最早由Widrow和Hoff提出，它是一種改進後的最陡下降算法，主要用於自適應濾波和信號處理領域。LMS算法的目的是通過疊代方式調整濾波器的權重，以最小化濾波器輸出與期望信號之間的均方誤差。它通過使用瞬時誤差的平方來代替均方誤差，從而避免了複雜的矩陣求逆運算，這種算法在處理平穩信號時表現出良好的收斂性，並且在有限精度實現時具有良好的穩定性。LMS算法在人工神經網路（ANN）和機器學習領域也有廣泛的套用，特別是在需要最佳化基於均方誤差（MSE）性能指標的問題時。