Penulis:
Mohammad Jamhuri, Sri Harini, Andy Irawan, Juhari, Mutiara Alvi, dan Natasyah Asviana
Sinopsis:
Metode Gauss–Newton adalah salah satu algoritma terpenting untuk mencocokkan model nonlinear dengan data. Buku ini membangunnya dari dasar. Gradien, matriks Jacobian, persamaan normal, dan aproksimasi Hessian
diturunkan langkah demi langkah, lalu diuji melalui contoh kecil yang dapat dihitung dengan tangan dan eksperimen pada data publik.
Di dalam buku ini:
- Turunan Gauss–Newton dari metode Newton klasik dan makna
geometrisnya - Penyelesaian stabil melalui QR dan SVD serta analisis konvergensi lokal
dan global - Levenberg–Marquardt, metodedogleg, dan kuadrat terkecil berbobot
- IRLS untuk regresi logistik dan klasifikasi softmax
- Propagasi balik dan Gauss–Newton pada jaringan saraf berlapis
- Eksperimen pada data Titanic, Iris, Diabetes, dan Breast Cancer Wisconsin
Buku ini ditujukan bagi mahasiswa, dosen, dan praktisi yang telah mengenal
kalkulus elementer. Latar belakang aljabar linear dan optimisasi yang kuat
tidak diperlukan.