Kursplan för Maskininlärning av dynamiska system med systemidentifiering

Kursplanen innehåller ändringar
Se ändringar

Kursplan fastställd 2019-02-14 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnLearning dynamical systems using system identification
  • KurskodSSY230
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPSYS
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeAutomation och mekatronik, Elektroteknik
  • InstitutionELEKTROTEKNIK
  • BetygsskalaTH - Fem, Fyra, Tre, Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 35119
  • Blockschema
  • Sökbar för utbytesstudenterNej

Poängfördelning

0108 Tentamen 4,5 hp
Betygsskala: TH		 4,5 hp
  • 02 Jun 2020 em J
  • 11 Okt 2019 em M
  • Kontakta examinator
0208 Laboration 3 hp
Betygsskala: UG		 3 hp

I program

Examinator

Gå till kurshemsidan (Öppnas i ny flik)

Behörighet

Information saknas

Särskild behörighet

För kurser på avancerad nivå gäller samma grundläggande och särskilda behörighetskrav som till det kursägande programmet. (När kursen är på avancerad nivå men ägs av ett grundnivåprogram gäller dock tillträdeskrav för avancerad nivå.)
Undantag från tillträdeskraven: Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Kursspecifika förkunskaper

Grundläggande kunskaper i reglerteknik, statistik, signaler och system.

Syfte

Kursen syftar till att ge grundläggande teori för identifiering av dynamiska system, hur man kan använda uppmätta in- och utsignaldata för att bygga matematiska modeller, oftast med hjälp av differential eller differensekvationer. Vidare syftar kursen till att ge fundamentala kunskaper i statistical learning, maskininlärning, där funktionella samband skattas utifrån mätdata, med särskild fokus på dynamiska system.

Lärandemål (efter fullgjord kurs ska studenten kunna)

  • förstå och förklara fundamentala aspekter om statistical learning och hur dessa relaterar till systemidentifiering
  • förstå och förklara egenskaperna hos insignalerna för tt identifieringsexperiment påverka kvaliteten på den skattade modellen.
  • förstå och förklara de möjligheter och begränsningar som gäller kvaliteten på de skattade modellerna och om vilka faktorer som dessa begränsningar beror på.
  • förstå och förklara egenskaper hos olika modellstrukturer och identifieringsmetoder.
  • förstå och använda metoder för validering av skattade modeller.
  • förstå och använda IT-verktyg för systemidentifiering.

      • Innehåll

      I kursen ingår:
      • Fundamentala aspekter om statistical learning där funktioner skattas med hjälp av data
      • De matematiska grunderna för Systemidentifiering
      • Val av modellstruktur, linjära och icke-linjära modeller
      • Icke-parametriska metoder
      • Parametrisering och modellstrukturer
      • Parameterskattning
      • Asymptotisk statistisk teori
      • Användarval
      • Experimentdesign
      • Recursividentifiering och adaptiv reglering

          • Organisation

          Kursen omfattar föreläsningar och ett antal praktiska övningar / laboratorieförsök som behandlar viktiaga delar av kursen.

          Litteratur

          Ej bestämd ännu.

          Examination inklusive obligatoriska moment

          Examination sker genom skriftlig tentamen, betygskala TH, och godkända uppgift / laboration.

          Kursplanen innehåller ändringar

          • Ändring gjord på tentamen:
            • 2019-09-04: Plats Plats ändrat från Johanneberg till M av grunnet
              [2019-10-11 4,5 hp, 0108]