الگوریتم کمترین میانگین مربعات یکی از الگوریتم های یادگیری ماشین است که کاربردهای فراوانی در رشته های مختلف مهندسی دارد. از جملۀ این کاربردها می توان به مدلسازی سیستمهای دینامیکی با استفاده از نمونه های گرفته شده از سیگنالهای ورودی-خروجی و پیش بینی سریهای زمانی اشاره کرد. همچنین محتوای این درس را می توان به عنوان روشی برای شناسایی سیستم با استفاده از یک مدل خطی تطبیقی (وفقی) در نظر گرفت. در این درس ابتدا مبانی تئوریک مربوط به تولید جفت داده های آموزشی با استفاده از روش بعددهی زمانی (temporal) توضیح داده شده و سپس مدل خطی مورد نظر معرفی می شود. سپس نحوۀ به روز رسانی پارامترهای مجهول موجود در مدل (یعنی همان بردار وزن) با استفاده از الگوریتم کمترین میانگیم مربعات (Least Mean Square) یا به اختصار LMS توضیح داده می شود. همچنین مطالبی در مورد کاربرد این الگوریتم جهت طراحی سیستمها (فیلترهای) وارون ارائه شده است.