1: Filtro de Kalman estendido: apresenta o filtro de Kalman estendido (EKF), uma ferramenta essencial em estimativa não linear.

2: Notação Bra–ket: explica a base matemática, com foco na estrutura de sistemas quânticos.

3: Curvatura: discute o conceito de curvatura e sua influência no desempenho de filtros não lineares.

4: Estimativa de máxima verossimilhança: detalha a abordagem estatística usada para estimar parâmetros com a maior verossimilhança.

5: Filtro de Kalman: fornece uma exploração aprofundada do filtro de Kalman, a base para muitas técnicas de estimativa de estado.

6: Matriz de covariância: descreve a matriz de covariância e seu papel na quantificação da incerteza na filtragem.

7: Propagação da incerteza: explora como a incerteza se propaga ao longo do tempo e afeta a precisão da filtragem.

8: Algoritmo de Levenberg–Marquardt: apresenta este algoritmo, que otimiza problemas de mínimos quadrados não lineares.

9: Região de confiança: explica a região estatística que quantifica a precisão das estimativas de parâmetros.

10: Regressão não linear: concentra-se em métodos para ajustar modelos não lineares a dados usando técnicas de otimização.

11: Teoria da estimativa: fornece a teoria por trás da estimativa, essencial para entender o design e a análise do filtro.

12: Mínimos quadrados generalizados: discute a abordagem generalizada para resolver problemas de regressão na presença de heterocedasticidade.

13: Distribuição de Von Mises–Fisher: apresenta esta distribuição de probabilidade útil para dados direcionais em altas dimensões.

14: Filtro de Kalman conjunto: explora uma variação do filtro de Kalman adequada para sistemas não lineares de larga escala.

15: Problema de filtragem (processos estocásticos): detalha como a filtragem pode ser aplicada a processos aleatórios em sistemas dinâmicos.

16: GPS/INS: Descreve a integração de GPS e sistemas de navegação inercial para navegação e estimativa precisas.

17: Mínimos quadrados lineares: Abrange o método dos mínimos quadrados para resolver problemas de regressão linear.

18: Filtro de preservação de simetria: Apresenta filtros projetados para preservar a simetria em sistemas, importante em robótica.

19: Filtro de Kalman estendido invariante: Explica uma variação de EKF que mantém a invariância em sistemas não lineares.

20: Transformação sem cheiro: Discute a transformação sem cheiro, uma técnica para melhorar a estimativa de estado em modelos não lineares.

21: SAMV (algoritmo): Apresenta o algoritmo SAMV para estimativa robusta em ambientes incertos.