Identifikacija dinamičnih sistemov z verjetnostno jedrno metodo thumbnail
Pause
Mute
Subtitles not available
Playback speed
0.25
0.5
0.75
1
1.25
1.5
1.75
2
Full screen

Identifikacija dinamičnih sistemov z verjetnostno jedrno metodo

Published on Apr 14, 20171696 Views

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 sist

Related categories

Chapter list

Identifikacija dinamičnih sistemov z verjetnostno jedrno metodo00:00
Uvod o modeliranju01:52
O modeliranju02:26
Identifikacija – zakaj in kako02:58
Ena od možnih delitev modelov04:49
Linearna regresija05:41
Naključne spremenljivke z normalno porazdelitvijo na izhodu06:32
Identifikacija linearnih parametričnih modelov dinamičnih sistemov07:12
Identifikacija linearnih parametričnih modelov08:02
Identifikacija nelinearnih dinamičnih sistemov08:54
Jedrne metode10:46
Gaussov naključni proces12:09
GP-model dinamičnega sistema12:51
GP-model dinamičnega sistema 3D14:13
GP-modeli14:28
GP-model15:14
Izvedba: kovariančna funkcija15:56
Izvedba: optimizacija hiperparametrov18:36
Napovedovanje z GP-modelom19:57
Statični ilustrativni primer20:33
Zakaj modeliranje dinamičnih sistemov z GP-modeli?21:51
Dinamični modeli23:19
Napoved in simulacija modela23:52
Identifikacija dinamičnega sistema in simulacija modela24:48
Lastnosti GP-modelov26:17
Primer identifikacije – bioreaktor27:12
Bioreaktor (2)27:39
Bioreaktor (3)28:17
Bioreaktor (4)28:37
Bioreaktor (5)28:55
Bioreaktor (6)29:33
Bioreaktor (7)30:20
Bioreaktor (8)31:01
Bioreaktor (9)31:36
Bioreaktor (10)32:13
Korist za znanost in za družbo32:37
Izbrani primeri uporab modeliranja z GP33:35
Modeliranje enote za pripravo plina33:58
Sprotno modeliranje34:22
Modeliranje in napovedovanje vrednosti ozona35:04
Modeliranje vremenskih spremenljivk za analizo razširjanja jedrskega onesnaževanja36:10
Ocenjevanje negotovosti izidov36:24
Odpravljanje napak senzorjev prometa37:08
Prognostika življenjske dobe zobnikov37:31
Prikaz vodenja37:52
Identifikacijski podatki (črne pike)38:43
Prediktivno vodenje enote za pripravo plina39:12
Adaptivno prediktivno vodenje bioreaktorja40:13
Trendi, izzivi in raziskovalne priložnosti40:44
Zaključni povzetek41:53
Iskrena zahvala sodelavcem42:46
Springer International Publishing43:17