第1章　確率過程と時系列
1.1　はじめに
1.2　定常課程と統計モーメント
1.3　自己共分散関数と自己相関関数
1.4　自己共分散関数と自己相関関数の推定
1.5　Fourier 解析とパワースペクトル
1.6　時系列の Fourier 変換とパワースペクトルの推定

第2章　線形予測
2.1　はじめに
2.2　自己回帰（AR）モデル
2.3　AR パラメータの推定
2.4　移動平均（MA）モデル
2.5　MA パラメータの推定 　2.6　自己回帰移動平均（ARMA）モデル
2.7　自己回帰積分移動平均（ARIMA）モデル
2.8　線形予測モデルの決定

第3章　カオスと時系列
3.1　はじめに
3.2　カオスの特徴
3.3　カオスの事例
3.4　時系列の埋め込み
3.5　次元の定義
3.6　次元の直接推定
3.7　次元の関節推定
3.8　Lyapunov 指数の定義
3.9　Lyapunov スペクトルの推定
3.10　最大 Lyapunov 指数の推定
3.11　サロゲート法

第4章　非線形予測
4.1　はじめに：汎化と次元の呪い
4.2　正則化理論と動径基底関数ネットワーク
4.3　多層パーセプトロン
4.4　局所近似モデル

参考文献

索引