Identifikacija dinamičnih sistemov z verjetnostno jedrno metodo

author: Juš Kocijan, Department of Systems and Control, Jožef Stefan Institute
published: April 14, 2017,   recorded: March 2017,   views: 38
Categories

Slides

Related Open Educational Resources

Related content

Report a problem or upload files

If you have found a problem with this lecture or would like to send us extra material, articles, exercises, etc., please use our ticket system to describe your request and upload the data.
Enter your e-mail into the 'Cc' field, and we will keep you updated with your request's status.
Lecture popularity: You need to login to cast your vote.
  Bibliography

Description

Modeli na podlagi Gaussovih procesov (GP), imenovani tudi GP-modeli, so primer verjetnostnih, jedrnih in regresijskih modelov, ki jih lahko uporabimo tudi za identifikacijo nelinearnih dinamičnih sistemov. Ti modeli imajo nekaj zanimivih lastnosti: napovedi modela vsebujejo informacijo o njihovi negotovosti, relativno majhno število optimizacijskih parametrov in različne možnosti vstavljanja predhodnega znanja. Pristop k modeliranju GP-modelov se skuša izogniti pristranskosti modela s tem, da se ne osredotoči ne en sam model dinamike procesa, ampak z verjetnostnim pristopom zajame razporeditev vseh možnih modelov dinamike procesa, ki lahko tvorijo izmerjeni procesni odziv. V predavanju bomo predstavili okvir za identifikacijo dinamičnih sistemov z GP-modeli, ilustracijo na primeru in pregled možnosti uporabe teh modelov.

See Also:

Download slides icon Download slides: kolokviji_kocijan_jedrna_metoda_01.pdf (6.6 MB)


Help icon Streaming Video Help

Link this page

Would you like to put a link to this lecture on your homepage?
Go ahead! Copy the HTML snippet !

Write your own review or comment:

make sure you have javascript enabled or clear this field: