FACOLTA' DI INGEGNERIA       Universita' di Pavia
Home
  Didattica > Insegnamenti1011 > Identificazione dei modelli e analisi dei dati LS Translate this page in English
Organizzazione e Sedi
Immatricolarsi ai C.d.L.
Immatricolarsi ai C.d.L.M.
Orientamento
Didattica
Prenotazione Aule
Master
Esami: Iscrizioni online
Ricerca Scientifica
Servizi
Rapporti con Imprese
Tirocini didattici
Eventi e Iniziative
Bandi e Offerte lavoro
Esami di Stato
Mobilità/Erasmus
Rapporti di riesame
Assicurazione Qualità
Guida dello Studente
Scorciatoie
Cerca nel sito
Identificazione dei modelli e analisi dei dati LS

Insegnamento Anno Accademico 10-11

Docente/i: Giuseppe De Nicolao  

Denominazione del corso: Identificazione dei modelli e analisi dei dati LS
Codice del corso: 064050
Corso di laurea: Ingegneria Biomedica, Ingegneria Informatica, Ingegneria dei Servizi
Settore scientifico disciplinare: ING-INF/04
L'insegnamento è caratterizzante per: Ingegneria Informatica, Ingegneria dei Servizi
L'insegnamento è affine per: Ingegneria Informatica, Ingegneria dei Servizi
Crediti formativi: CFU 5
Sito web del corso: http://sisdin.unipv.it/

Obiettivi formativi specifici

Conoscenza delle nozioni di base di: teoria della stima (stima a massima verosimiglianza, stima a posteriori); identificazione di modelli mediante reti neurali; processi casuali (media, autocovarianza, densità spettrale di potenza, predizione ottima); identificazione di modelli ARMAX. Capacità di risolvere problemi di identificazione e predizione a partire dalla formalizzazione del problema di identificazione fino all’uso di strumenti informatici per stimare i parametri ed effettuare simulazioni.

Programma del corso

Teoria della stima

  • il criterio della massima verosimiglianza: proprietà ed esempi;
  • stima “a posteriori”: stimatore di Bayes.

Cenni sulle reti neurali

  • reti neurali a base radiale;
  • reti di percettroni.

Processi casuali e predizione ottima

  • media, autocorrelazione, autocovarianza, indipendenza, incorrelazione;
  • rumore bianco, passeggiata casuale, processi MA, AR, ARMA;
  • stazionarietà, densità spettrale di potenza, stima spettrale non parametrica;
  • processi MA, AR, ARMA, equazioni di Yule-Walker;
  • teorema della fattorizzazione spettrale, predittore ottimo.

Identificazione di modelli dinamici

  • modelli a errore di uscita, ARX, ARMAX;
  • l’approccio predittivo all’identificazione;
  • stima ai minimi quadrati di modelli ARX: analisi probabilistica, persistente eccitazione.

Prerequisiti

Nozioni base di probabilità e statistica, conoscenza del metodo dei minimi quadrati.

Tipologia delle attività formative

Lezioni (ore/anno in aula): 25
Esercitazioni (ore/anno in aula): 19
Attività pratiche (ore/anno in aula): 10

Materiale didattico consigliato

G. De Nicolao, R. Scattolini. Identificazione Parametrica. Edizioni CUSL, Pavia.

A.Papoulis. Probability, Random Variables, and Stochastic Processes. MCGraw-Hill.

S. Bittanti. Teoria della Predizione e del Filtraggio. Pitagora Editrice, 2000.

S. Bittanti. Identificazione dei Modelli e Controllo Adattativo. Pitagora Editrice, 2000.

Modalità di verifica dell'apprendimento

Verranno svolte due prove scritte in itinere, che verteranno rispettivamente sulla prima e sulla seconda parte del Corso. Il superamento di entrambe le prove scritte equivarrà al superamento dell’esame. In alternativa è possibile sostenere una prova scritta, che verterà su tutti gli argomenti trattati durante il Corso. La valutazione finale potrà tener conto di eventuali progetti svolti nell’ambito dell’attività di laboratorio.

Copyright © Facoltà di Ingegneria - Università di Pavia