Modelování systémů z naměřených dat

Mimořádná bloková přednáška prof. Juše Kocijana "Systems modelling from data" (611Y2MS) proběhne v říjnu 2009 - přesné termíny budou ještě upřesněny. Přednáší se anglicky, předmět je ohodnocen dvěma kredity a zakončen zápočtem.

Přednáška se věnuje problematice modelování dynamických systémů z naměřených dat, což je oblast, s níž se studenti FD běžně seznamují jen okrajově, přičemž v některých případech (například při řízení povrchové dopravy) jde o velmi slibný mechanismus popisu modelovaného dopravního systému. Je velmi vhodným doplňkem k předmětům Modelování systémů a procesů v bakalářském, resp. Matematické algoritmy v magisterském bloku pro ty studenty, jež zajímá oblast tvorby matematických modelů světa na základě měření. Probíraný přístup nemá své uplatnění pouze při řízení dopravních či jiných systémů, uplatňuje se i v oblastech jako je biologie nebo finančnictví.

Prof. Kocijan je odborníkem na modelování a řízení procesů pomocí těchto metod, je pracovníkem předního evropského výzkumného pracoviště, pravidelně publikuje a přednáší. Jeho návštěvou získají studenti FD možnost praktického výkladu problematiky, jež se na ČVUT zatím přednáší jen okrajově a v teoretické rovině.

Neváhejte využít této jedinečné nabídky!
Předmět si můžete zapsat v KOSu pod kódem 611Y2MS. Vzhledem k tomu, že se nejedná o pravidelnou přednášku, předmět se nezobrazuje v nabídce předmětů na webu fakulty pro tento semestr, ani není uveden v Bílé knize.

Jan Přikryl, prikryl@fd.cvut.cz

Course Syllabus

Level: Master studies
Study programme: Transportation sciences
Course: elective
Number of contact academic hours: 27 (18 classroom, 9 computer room)
ECTS: 2

Lecturer: prof. dr. Juš Kocijan

Short description:

The course provides basic knowledge about modelling static and dynamic systems from measurement data. The aim of course is to give students basic knowledge about methods used for data fitting to various functions, fundamentals of linear systems identification with different type of models, e.g. output error models, autoregressive models etc., fundamentals of nonlinear systems identification with different types of models and different types of functions, e.g. neural networks, local model networks, Takagi-Sugeno fuzzy models and Gaussian Processes. The use of these models for systems control design is given. All topics consist of theoretical basics as well are rich of case studies to illustrate different topics.

Curriculum:

Course notes

Computer labs

Lab #1 assignment sheet is avalable here [DOC].

Lab #2 takes place on Friday, 2009/10/09. You will need the following files in order to complete your tasks:

Lab #3 takes place on Wednesday, 2009/10/14. You will need the following files in order to complete your tasks:

Recommended literature:

[1]  B. J. A. Kröse and P. P. van der Smagt (1994): An Introduction to Neural Networks, Seventh edition, The University of Amsterdam, http://staff.science.uva.nl/~krose/publications/index_en.html
[2]  L. Ljung (1987): System Identification, Theory for the user, Prentice-Hall, Englewood Cliffs, NJ.
[3]  L. Ljung (1992): System Identification Toolbox, User's Guide, The MathWorks, Inc., Natick, MA.
[4]  J. Sjöberg et al. (1995): Non-linear Black-Box Modeling in System Identification: a Unified Overview, Automatica, Vol. 31, No. 12, 1691-1724.
[5]  Neural Network Toolbox for Matlab http://www.mathworks.com/products/neuralnet/
[6]  M. Nørgaard, O. Ravn, N. K. Poulsen, L. K. Hansen (2000): Neural networks for modelling and control of dynamic systems, Springer, London.
[7]  R. Murray-Smith and T. A. Johansen [Eds.] (1997): Multiple Model Approaches to Modelling and Control, Taylor & Francis, London.
[8]  J. Kocijan, A. Girard, B. Banko, R. Murray-Smith (2005): Dynamic systems identification with Gaussian processes, Mathematical and Computer Modelling of Dynamic Systems, Vol. 11, No. 4, 411-424.