最小均方算法，是一种简单、应用为广泛的自适应滤波算法， 是在维纳滤波理论上运用速下降法后的优化延伸，早是由Widrow和Hoff提出来的。
该算法不需要已知输入信号和期望信号的统计特征，“当前时刻”的权系数是通过上一 时刻权系数再加上一个负均方误差梯度的比例项求得，在自适应滤波器中得到广泛应用， 其具有原理简单、参数少、收敛速度较快而且易于实现等优点。
感知器和自适应线性元件在历史上几乎是同时提出的，并且两者在对权值的调整的算法非常相似，它们都是基于纠错学习规则的学习算法，感知器算法存在如下问题，不能推广到一般的前向网络中，函数不是线性可分时，得不出任何结果。
两个或多个整数公有的倍数叫做它们的公倍数，其中除零以外最小的一个公倍数就叫做这几个整数的最小公倍数。
最小公倍数特点为：倍数的只有最小的没有最大，因为两个数的倍数可以无穷大。
最小公倍数计算方法如下：
1.分解质因数法。
2.公式法。
与最小公倍数相对应的概念是最大公约数。
最小显著性差异法，是Fisher于1935年提出的。
用T检验完成各组间的配对比较，检验的敏感性高，各个水平间的均值存在微小的差异也有可能被检验出来，但此方法对第一类弃真错误的概率不进行控制和调整。