Illustrare i metodi di identificazione dei modelli e fusione sensoriale a partire dai dati sperimentali. Famiglia di modelli ARX e ARMAX. Introdurre i metodi a minimizzazione dell'errore di predizione: il metodo dei minimi quadrati; il metodo dei minimi quadrati ricorsivi, il metodo della massima verosimiglianza. Illustrare i metodi di identificazione per processi con modello incerto e/o solo parzialmente noto: filtri di Bayes (filtro di Kalman, filtro di Kalman Unscented, filtri particle). Introdurre tecniche avanzate di identificazione e fusione sensoriale.
Curriculum
scheda docente materiale didattico
- Leggi fisiche
- Processo stocastico
- Modelli per il filtraggio, la predizione ed il controllo: modelli input-output per serie temporali e sistemi dinamici (AR, ARMA, ARX, ARMAX)
Identificazione
- Identificazione a scatola nera (Minimi quadrati e metodi a massima verosimiglianza)
- Selezione della descrizione a complessità minima
- Cross-validazione: tecniche FPE (Final Prediction Error), AIC (Akaike Information Criterion) or MDL (Minimum Description Length)
- Metodi di identificazione ricorsivi (RLS,ELS,RML). Forgetting factor
Bayesian filtering
- Stima di stato: filtraggio, predizione e smoothing.
- Filtro di Kalman, filtro di Kalman di regime
- Trasformazione unscented, filtro di Kalman Unscented Kalman
- Filtri a griglia
- Filtri Particle
Filtraggio distribuito
- Filtro a informazione
- Filtro a informazione estesto
Mutuazione: 20810158 Model Identification and Data Analysis in Ingegneria gestionale e dell'automazione LM-32 PASCUCCI FEDERICA
Programma
Modelli per processi aleatori stazionari- Leggi fisiche
- Processo stocastico
- Modelli per il filtraggio, la predizione ed il controllo: modelli input-output per serie temporali e sistemi dinamici (AR, ARMA, ARX, ARMAX)
Identificazione
- Identificazione a scatola nera (Minimi quadrati e metodi a massima verosimiglianza)
- Selezione della descrizione a complessità minima
- Cross-validazione: tecniche FPE (Final Prediction Error), AIC (Akaike Information Criterion) or MDL (Minimum Description Length)
- Metodi di identificazione ricorsivi (RLS,ELS,RML). Forgetting factor
Bayesian filtering
- Stima di stato: filtraggio, predizione e smoothing.
- Filtro di Kalman, filtro di Kalman di regime
- Trasformazione unscented, filtro di Kalman Unscented Kalman
- Filtri a griglia
- Filtri Particle
Filtraggio distribuito
- Filtro a informazione
- Filtro a informazione estesto
Prerequisiti
Nessuna propedeuticitàTesti Adottati
Sergio Bittanti, "Model Identification and Data Analysis", John Wiley and Sons LtdModalità Erogazione
TradizionaleModalità Frequenza
Not applicableModalità Valutazione
Prova scritta, prova orale. scheda docente materiale didattico
- Leggi fisiche
- Processo stocastico
- Modelli per il filtraggio, la predizione ed il controllo: modelli input-output per serie temporali e sistemi dinamici (AR, ARMA, ARX, ARMAX)
Identificazione
- Identificazione a scatola nera (Minimi quadrati e metodi a massima verosimiglianza)
- Selezione della descrizione a complessità minima
- Cross-validazione: tecniche FPE (Final Prediction Error), AIC (Akaike Information Criterion) or MDL (Minimum Description Length)
- Metodi di identificazione ricorsivi (RLS,ELS,RML). Forgetting factor
Bayesian filtering
- Stima di stato: filtraggio, predizione e smoothing.
- Filtro di Kalman, filtro di Kalman di regime
- Trasformazione unscented, filtro di Kalman Unscented Kalman
- Filtri a griglia
- Filtri Particle
Filtraggio distribuito
- Filtro a informazione
- Filtro a informazione estesto
Programma
Modelli per processi aleatori stazionari- Leggi fisiche
- Processo stocastico
- Modelli per il filtraggio, la predizione ed il controllo: modelli input-output per serie temporali e sistemi dinamici (AR, ARMA, ARX, ARMAX)
Identificazione
- Identificazione a scatola nera (Minimi quadrati e metodi a massima verosimiglianza)
- Selezione della descrizione a complessità minima
- Cross-validazione: tecniche FPE (Final Prediction Error), AIC (Akaike Information Criterion) or MDL (Minimum Description Length)
- Metodi di identificazione ricorsivi (RLS,ELS,RML). Forgetting factor
Bayesian filtering
- Stima di stato: filtraggio, predizione e smoothing.
- Filtro di Kalman, filtro di Kalman di regime
- Trasformazione unscented, filtro di Kalman Unscented Kalman
- Filtri a griglia
- Filtri Particle
Filtraggio distribuito
- Filtro a informazione
- Filtro a informazione estesto
Prerequisiti
Nessuna propedeuticitàTesti Adottati
Sergio Bittanti, "Model Identification and Data Analysis", John Wiley and Sons LtdBibliografia Di Riferimento
B.D.O. Anderson, J.B. Moore: Optimal filtering, Prentice Hall, 1979. Y. Bar-Shalom, X.R. Li, T. Kirubarajan: Estimation with applications to tracking and navigation, J. Wiley & Sons, 2001. B. Ristic, S. Arulampalam, N. Gordon: Beyond the Kalman filter: particle filters for tracking applications, Artech House, 2004.Modalità Erogazione
TradizionaleModalità Frequenza
Not applicableModalità Valutazione
Prova scritta, prova orale.