Kursplan för Maskininlärning av dynamiska system med systemidentifiering

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 - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

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

Poängfördelning

0108 Tentamen 4,5 hp
Betygsskala: TH		 4,5 hp
  • 01 Jun 2021 em J
  • 09 Okt 2020 em J
  • Kontakta examinator
0208 Laboration 3 hp
Betygsskala: UG		 3 hp

I program

Examinator

Gå till kurshemsidan (Öppnas i ny flik)

Behörighet

Grundläggande behörighet för avancerad nivå
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Särskild behörighet

Engelska 6
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.