Odhadování, filtrace a detekce

Předmět seznamuje posluchače s popisem neurčitosti nepozorovatelných veličin (parametrů a stavu dynamického systému) jazykem teorie pravděpodobnosti a s metodami jejich odhadování. Na základě bayesovské formulace problému jsou odvozeny algoritmy odhadování (parametry ARX modelu, Gaussian Process Regression) a filtrace (Kalmanův filtr) a detekce (testování hypotéz na základě věrohodnostního poměru), diskutována jejich numericky robustní implementace a řešení reálných aplikačních problémů v oblasti průmyslových regulací, robotiky a avioniky.

Kód
B3M35OFD
Semestr
zimní
Forma studia
prezenční
Rozsah
2p+2c
Kapacita
50
Obsazeno
21
Počet kreditů
6
Zakončení
zápočet a zkouška
Jazyk výuky
čeština
Přednášející
Obsah přednášek

1. Opakování statistiky
2. MS, LMS a ML odhad
3. Bayesovský přistup, model dynamického systému
4. Identifikace parametrů ARX modelu
5. Sledování časově proměnných parametrů, metody zapomínání
6. Numercky robustní algoritmy odhadování
7. Regrese s využitím Gausovských procesů
8. Stochastický systém, pravděpodobnostní definice stavu, Kalmanův filtr
9. Kalmanův filtr pro barevné šumy, rozšířený Kalmanův filtr
10. Stochastick=é dynamické programování, LQ a LQG řízení, separační princip
11. Metody detekce a izolace poruch
12. Věrohodnostní poměr - teorie a aplikace
13. Nelineární odhadování - lokální a globální aproximace
14. Metody Monte Carlo

Náplň cvičení

Náplní seminářů je práce na zadaných projektech (implementace vybraných algoritmů v Matlabu, řešení konkrétních technických problémů), Předmětem kontroly jsou funkční algoritmy a závěrečná zpráva.
Náplní domácích úkolů je řešení vybraných teoretické problému, předmětem kontroly je písemná zpráva.

.