Altro VERIFICATO

Detailed index of arguments

Politecnico di Milano mathematical engineering - ingegneria matematica 2020
6 visualizzazioni
7 download
Nessun voto ancora
Condividi: WhatsApp Telegram
Anteprima pagina 1 — Detailed index of arguments

Di cosa parla

  • MIDA 1: Previsione e Identificazione
    • Previsione:
      • Introduzione ai problemi di previsione, errori, funzioni di trasferimento, variabili casuali e processi stocastici (stazionari, rumore bianco).
      • Processi MA, AR e ARMA: definizioni, rappresentazioni dinamiche, proprietà (media, varianza, autocovarianza), equazioni di Yule-Walker.
      • Dominio della Frequenza: rappresentazione spettrale, teorema fondamentale dell'analisi spettrale, rappresentazioni ARMA.
      • Metodi di Previsione: per MA(1), AR(1), ARMA(na, nc) e sistemi con variabili esogene (ARX, ARMAX).
    • Identificazione:
      • Metodi PEM (Prediction Error Minimization): minimi quadrati (LS), massima verosimiglianza (ML), identifiabilità, eccitazione persistente, analisi asintotica.
      • Selezione della Complessità del Modello: approcci (Naive, FPE, AIC, MDL).
      • Algoritmo di Durbin Levinson e metodi di identificazione ricorsiva.
  • MIDA 2: Identificazione Avanzata e Controllo
    • Identificazione Non-Parametrica Black Box (modelli stato-spazio): Rappresentazioni (stato-spazio, funzione di trasferimento, convoluzione), osservabilità, controllabilità, metodo 4SID.
    • Identificazione Parametrica Black Box (approccio dominio della frequenza): Fasi (dataset, selezione classe modello, indice di performance, ottimizzazione).
    • Filtro di Kalman per Software Sensing (modelli White Box): Obiettivi, sistema base, estensioni (input esogeno, predizione multi-step, sistemi tempo-varianti e non-lineari), soluzione asintotica.
    • Metodi Black Box per Software Sensing (senza feedback): Stima, confronto con KF, architetture.
    • Identificazione Gray-Box: Utilizzo del filtro di Kalman e dei metodi di errore di simulazione (SEM), confronto tra PEM e SEM.
    • Controllo a Varianza Minima (MVC): Progettazione di controllori ottimali, problemi semplificati (senza/con rumore), soluzione generale, analisi di stabilità e performance.
    • Appendice: Discretizzazione di un sistema analogico.

Altri appunti di MODEL IDENTIFICATION AND DATA ANALYSIS

Condividi questi appunti

WhatsApp Telegram