|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KKY / ISF
:
Popis předmětu
Pracoviště / Zkratka
|
KKY
/
ISF
|
Akademický rok
|
2024/2025
|
Akademický rok
|
2024/2025
|
Název
|
Identifikace systémů a filtrace
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
6
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
3
[HOD/TYD]
Cvičení
2
[HOD/TYD]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ano v případě předchozího hodnocení 4 nebo nic.
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ano v případě předchozího hodnocení 4 nebo nic.
|
Letní semestr
|
0 / -
|
13 / -
|
1 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Letní semestr
|
Vyučovaný semestr
|
Letní semestr
|
Minimum (B + C) studentů
|
10
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
|
Hodnotící stupnice |
1|2|3|4 |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ano
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
1|2|3|4 |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
KKY/STP
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je obeznámit studenty s metodami a přístupy k nalezení matematického modelu systému pomocí experimentálních dat - s identifikací systému a metodami odhadu stavu lineárních i nelineárních systémů.
|
Požadavky na studenta
|
Čtyři laboratorní úlohy zpracované ve formě referátu a zvládnutí přednesené látky.
|
Obsah
|
1. Identifikace systémů vs. fyzikální (matematické) modelování, ilustrační příklady, typické úlohy, základní identifikační schéma
2. Parametrické a neparametrické metody identifikace, systém, struktura modelu, identifikační metody, experimentální podmínky (bohatost vstupního signálu, vliv zpětné vazby, vliv vlastností poruchy na odhad parametrů)
3. Lineární regrese, metoda nejmenčích čtverců, analýza odhadu parametrů, odhad variance chyby, výpočetní detaily
4. Parametrizace modelu, obecná struktura lineárního stochastického vstupně-výstupního modelu a jeho speciální případy
5. Optimální predikce pro obecný lineární stochastický model
6. Metoda chyby predikce, kritérium, vazba na parametrický model, analytické a numerické řešení
7. Metoda přídavné proměnné, Yule Walkerovy rovnice
8. Rekurzivní metody parametrické identifikace, metoda chyby predikce, metoda přídavné proměnné, metoda nejmenších a rozšířených nejmenších čtverců, metoda maximální věrohodnosti, metoda stochastické aproximace
9. Neparametrické metody identifikace, korelační a spektrální analýza
10. Modelování a estimace, strukturální a pravděpodobnostní modelování, Bayesův přístup k estimaci stavu, filtrace, predikce, vyhlazování, bodové odhady
11. Popis lineárního stochastického gaussovského systému ve stavové reprezentaci a odhad stavu pomocí Kalmanova filtru, odvození Kalmanova filtru z Bayesových rekurzivních vztahů
12. Odhad stavu nelineárního stochastického systému, lokální nelineární filtry, rozšířený Kalmanův filtr, filtr druhého řádu, iterační Kalmanův filtr, bezderivační filtry
13. Odhad stavu nelineárního stochastického systému, globální nelineární filtry, základní principy, směs normálních rozložení, bodové masy, simulační metody Monte Carlo
|
Aktivity
|
|
Studijní opory
|
Studentům předmětu jsou k dispozici prezentace a nahrané přednášky sdílené přes skupinu v MS Teams. K dispozici jsou rovněž skripta předmětu v elektronické podobě.
|
Garanti a vyučující
|
|
Literatura
|
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Kontaktní výuka
|
39
|
Příprava na zkoušku [10-60]
|
45
|
Vypracování seminární práce v magisterském studijním programu [5-100]
|
50
|
Praktická výuka [vyjádření počtem hodin]
|
26
|
Celkem
|
160
|
|
Předpoklady
|
Odborné znalosti - pro úspěšné zvládnutí předmětu se předpokládá, že je student před zahájením výuky schopen: |
aplikovat metody lineární algebry |
aplikovat základní techniky integrálního a diferenciálního počtu |
popsat vlastnosti náhodných veličin, stochastických procesů a stochastických systémů |
interpretovat stavový a vstupně-výstupní popis systému |
Odborné dovednosti - pro úspěšné zvládnutí předmětu se předpokládá, že student před zahájením výuky dokáže: |
aplikovat metody lineární algebry při analýze vlastností lineárně transformované náhodné veličiny |
aplikovat techniky integrálního a diferenciálního počtu při práci s náhodnými veličinami |
převést vstupně-výstupní popis systému na stavový a naopak |
Obecné způsobilosti - před zahájením studia předmětu je student schopen: |
mgr. studium: samostatně získávají další odborné znalosti, dovednosti a způsobilosti na základě především praktické zkušenosti a jejího vyhodnocení, ale také samostatným studiem teoretických poznatků oboru., |
mgr. studium: srozumitelně a přesvědčivě sdělují odborníkům i laikům informace o povaze odborných problémů a vlastním názoru na jejich řešení, |
|
Výsledky učení
|
Odborné znalosti - po absolvování předmětu prokazuje student znalosti: |
analyzovat a vyhodnotit vlastnosti odhadu stavu i parametrů |
formulovat problém odhadu neznámých parametrů na základě dostupných dat |
formulovat problém odhadu stavu stochastických dynamických systémů |
vybrat vhodnou filtrační techniku pro danou formulaci problému odhadu stavu |
vybrat vhodnou identifikační techniku pro danou formulaci problému odhadu parametrů |
Odborné dovednosti - po absolvování předmětu prokazuje student dovednosti: |
navrhnout a aplikovat metodu nejmenších čtverců, metodu chyby predikce a metodu přídavné proměnné pro odhad parametrů vstupně-výstupních modelů |
navrhnout a aplikovat metody globální filtrace pro odhad stavu stochastického dynamického systému (zejména metoda vícenásobné linearizace a metoda bodových mas) |
navrhnout a aplikovat metody lokální filtrace pro odhad stavu stochastického dynamického systému (zejména rozšířený Kalmanův filtr a unscentovaný Kalmanův filtr) |
Obecné způsobilosti - po absolvování předmětu je student schopen: |
mgr. studium: samostatně získávají další odborné znalosti, dovednosti a způsobilosti na základě především praktické zkušenosti a jejího vyhodnocení, ale také samostatným studiem teoretických poznatků oboru., |
mgr. studium: srozumitelně a přesvědčivě sdělují odborníkům i širší veřejnosti vlastní odborné názory, |
|
Hodnoticí metody
|
Odborné znalosti - odborné znalosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Písemná zkouška, |
Ústní zkouška, |
Odborné dovednosti - odborné dovednosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Seminární práce, |
Obecné způsobilosti - obecné způsobilosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Písemná zkouška, |
Seminární práce, |
Ústní zkouška, |
|
Vyučovací metody
|
Odborné znalosti - pro dosažení odborných znalostí jsou užívány vyučovací metody: |
Přednáška založená na výkladu, |
Samostudium, |
Cvičení (praktické činnosti), |
Odborné dovednosti - pro dosažení odborných dovedností jsou užívány vyučovací metody: |
Cvičení (praktické činnosti), |
Obecné způsobilosti - pro dosažení obecných způsobilostí jsou užívány vyučovací metody: |
Cvičení (praktické činnosti), |
Přednáška založená na výkladu, |
Samostudium, |
|
|
|
|