Kursplan

Kursplan för Maskininlärning av dynamiska system med systemidentifiering

Kursplan fastställd 2025-02-20 av programansvarig (eller motsvarande).

Kursöversikt

Engelskt namn:
Learning dynamical systems using system iden­ti­fi­ca­tion
Kurskod:
SSY230
Omfattning:
7,5 Högskolepoäng
Ägare:
MPSYS
Utbildningsnivå:
Avancerad nivå
Huvudområde:
Automation och mekatronik, Elektro­tek­nik
Institution:
ELEKTRO­TEK­NIK
Betygsskala:
TH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk

    Engelska

  • Anmälningskod

    35128

  • Blockschema

  • Sökbar för utbytesstudenter

    Ja

Poängfördelning

Modul
LP1
LP2
LP3
LP4
Sommar
Ej LP
Tentamensdatum
0108 Tentamen 4,5 hp
Betygsskala: TH		 4,5 hp
  • 14 Jan 2027 em J
  • 02 Apr 2027 fm J
  • 24 Aug 2027 em J
0208 Laboration 3 hp
Betygsskala: UG		 3 hp

I program

Examinator

Gå till kurshemsidan (Öppnas i ny flik)

Behörighet

Grundläggande behörighet för avancerad nivå
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från kravet

Särskild behörighet

Engelska 6
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från kraven

Kursspecifika förkunskaper

Grundläggande kunskaper i reglerteknik, statistik, signaler och system.

Syfte

Kursen syftar till att ge grundläggande teori för identifiering av dynamiska system, hur man kan använda uppmätta in- och utsignaldata för att bygga matematiska modeller, oftast med hjälp av differential eller differensekvationer. Vidare syftar kursen till att ge fundamentala kunskaper i statistical learning, maskininlärning, där funktionella samband skattas utifrån mätdata, med särskild fokus på dynamiska system.

Lärandemål (efter fullgjord kurs ska studenten kunna)

  • förstå och förklara fundamentala aspekter om statistical learning och hur dessa relaterar till systemidentifiering
  • förstå och förklara egenskaperna hos insignalerna för identifieringsexperiment och hur det påverka kvaliteten på den skattade modellen.
  • förstå och förklara de möjligheter och begränsningar som gäller kvaliteten på de skattade modellerna och om vilka faktorer som dessa begränsningar beror på.
  • förstå och förklara egenskaper hos olika modellstrukturer och identifieringsmetoder.
  • förstå och använda metoder för validering av skattade modeller.
  • förstå och använda IT-verktyg för systemidentifiering.

      • Innehåll

      I kursen ingår:
      • Fundamentala aspekter om statistical learning där funktioner skattas med hjälp av data
      • De matematiska grunderna för Systemidentifiering
      • Val av modellstruktur, linjära och icke-linjära modeller
      • Icke-parametriska metoder
      • Parametrisering och modellstrukturer
      • Parameterskattning
      • Asymptotisk statistisk teori
      • Användarval
      • Experimentdesign
      • Recursividentifiering och adaptiv reglering

          • Organisation

          Kursen omfattar föreläsningar och ett antal praktiska övningar / laboratorieförsök som behandlar viktiaga delar av kursen.

          Litteratur

          Examination inklusive obligatoriska moment

          Examination sker genom skriftlig tentamen, betygskala TH, och godkända uppgift / laboration.

          Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om riktat pedagogiskt stöd på grund av funktionsnedsättning.