logo-polimi
Loading...
Risorse bibliografiche
Risorsa bibliografica obbligatoria
Risorsa bibliografica facoltativa
Scheda Riassuntiva
Anno Accademico 2014/2015
Scuola Scuola di Ingegneria Industriale e dell'Informazione
Insegnamento 096049 - IDENTIFICAZIONE DEI MODELLI E DATA MINING [C.I.]
  • 096047 - IDENTIFICAZIONE DEI MODELLI E DATA MINING [1]
Docente Savaresi Sergio Matteo
Cfu 7.00 Tipo insegnamento Modulo Di Corso Strutturato

Corso di Studi Codice Piano di Studio preventivamente approvato Da (compreso) A (escluso) Insegnamento
Ing Ind - Inf (Mag.)(ord. 270) - MI (401) INGEGNERIA BIOMEDICA* AZZZZ085811 - IDENTIFICAZIONE DEI MODELLI E DATA MINING [C.I.]
Ing Ind - Inf (Mag.)(ord. 270) - MI (471) BIOMEDICAL ENGINEERING - INGEGNERIA BIOMEDICA* AZZZZ085811 - IDENTIFICAZIONE DEI MODELLI E DATA MINING [C.I.]
096049 - IDENTIFICAZIONE DEI MODELLI E DATA MINING [C.I.]

Programma dettagliato e risultati di apprendimento attesi

The goal of the course is to provide the background for advanced modelling and data analysis, together with Kalman Filter techniques for parameters and virtual sensors estimation. The course has both a theoretical and a practical flavour, and is focused on the following topics: Stationary stochastic processes generated as output of dynamic systems. ARMA and ARMAX models. Prediction. Non-parametric models based on the spectral characteristics of a process. Estimation methods based on minimum prediction error. Model complexity analysis and parameters identification. Virtual sensors: Kalman Filter; Extended Kalman Filter for gray-box parameters identification.

 

Description of the contents of the course:

-        Introduction to the concept of model identification

o   Data-based modelling

o   Black-Box and Gray-Box models

-        The mathematical framework: stochastic processes

o   Basic features (mean value; covariance function; spectrum)

o   Practical estimation from measured data

-        Classes of Black-box linear models

o   AR/MA/ARMA

o   ARMAX

o   Analysis of stochastic processes with ARMA/ARMAX structure

-        The concept of optimal prediction

o   Canonical form

o   Optimality

o   Optimal prediction for ARMA/ARMAX processes

-        Identification from data of ARX/ARMAX models

o   LS identification

o   ML identification

o   Optimality

o   Design of Experiment

o   Optimal choice of model classes

-        Kalman filtering

o   The concept of SW-sensing

o   Linear Kalman filtering

o   Extended Kalman filter

o   Kalman filter for Gray-box identification

-        Data-preprocessing:

o   Trend removal

o   Period-components removal

o   Missing-data

-        Practical examples

-        System Identification using Matlab


Note Sulla Modalità di valutazione

Exam:

-        written exam (questions of theory and numerical problems)

-        duration: 3hours (including Model Identification and Data-Mining)

 


Bibliografia
Risorsa bibliografica facoltativaT. Söderström, P. Stoica, System Identification, Editore: Prentice Hall, London (UK)

Mix Forme Didattiche
Tipo Forma Didattica Ore didattiche
lezione
42.0
esercitazione
28.0
laboratorio informatico
0.0
laboratorio sperimentale
0.0
progetto
0.0
laboratorio di progetto
0.0

Informazioni in lingua inglese a supporto dell'internazionalizzazione
Insegnamento erogato in lingua Italiano
Disponibilità di materiale didattico/slides in lingua inglese
Disponibilità di libri di testo/bibliografia in lingua inglese
Possibilità di sostenere l'esame in lingua inglese
Disponibilità di supporto didattico in lingua inglese
schedaincarico v. 1.6.5 / 1.6.5
Area Servizi ICT
30/11/2020