IDENTIFICAZIONE E STIMA

iten
Codice
80291
ANNO ACCADEMICO
2021/2022
CFU
6 cfu al 1° anno di 8734 INGEGNERIA GESTIONALE (LM-31) GENOVA
SETTORE SCIENTIFICO DISCIPLINARE
ING-INF/04
LINGUA
Italiano (Inglese a richiesta)
SEDE
GENOVA (INGEGNERIA GESTIONALE )
periodo
2° Semestre
materiale didattico

PRESENTAZIONE

Il corso presenta le principali tecniche di stima e identificazione in utilizzo nella definizione di modelli di analisi, previsione e controllo di sistemi dinamici complessi.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Il corso ha l'obiettivo di fornire competenze sui metodi e gli strumenti di identificazione di sistemi dinamici e stima parametrica e bayesiana. Lo studente acquisirà le conoscenze necessarie per formulare modelli completi di sistemi dinamici a partire da un insieme di misure sperimentali.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Gli obiettivi formativi del corso si riferiscono all'acquisizione della capacità di:

  • conoscere le proprietà di uno stimatore
  • riconoscere le caratteristiche fondamentali di un problema di stima in termini di caratteristiche dei dati, caratteristiche di uno stimatore adeguato;
  • progettare la soluzione di un problema di stima ossia definire lo stimatore più adeguato;
  • conoscere le caratteristiche di un problema di identificazione;
  • conoscere le principali famiglie modellistiche per l’identificazione;
  • progettare la soluzione di un problema di identificazione.

PREREQUISITI

Il corso richiede conoscenze di base di teoria dei sistemi, statistica e ottimizzazione.

MODALITA' DIDATTICHE

Il corso viene erogato con lezioni frontali ed alcune lezioni in laboratorio.

PROGRAMMA/CONTENUTO

teorema di Cramer-Rao, stima a minima varianza (stimatori UMVUE e BLUE), stima di massima verosimiglianza, stima lineare in presenza di rumori di misura (stima ai minimi quadrati e stima di Gauss-Markov), stima bayesiana (stima a minimo errore quadratico medio e lineare a minimo errore quadratico medio).

Tecniche di identificazione: definizione del problema di identificazione di parametri, famiglie modellistiche per l’identificazione (ARX, ARMAX, OE, ARXAR, BJ), identificazione a minimo errore di predizione (MEP): teoremi di convergenza, identificazione per modelli ARX (identificazione ai minimi quadrati), ARMAX e ARXAR, algoritmi batch e iterativi.

TESTI/BIBLIOGRAFIA

L. Ljung, "System Identification: Theory for the user", Prentice Hall (2nd Edition), 1999.

S.M. Kay, "Fundamentals of Statistical Signal Processing: Estimation Theory", Prentice Hall, 1993.

DOCENTI E COMMISSIONI

Ricevimento: Previo appuntamento con il docente (simona.sacone@unige.it).

Commissione d'esame

SIMONA SACONE (Presidente)

MICHELA ROBBA

SILVIA SIRI (Presidente Supplente)

LEZIONI

MODALITA' DIDATTICHE

Il corso viene erogato con lezioni frontali ed alcune lezioni in laboratorio.

Orari delle lezioni

L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

ESAMI

MODALITA' D'ESAME

l'esame consiste in una prova orale

MODALITA' DI ACCERTAMENTO

L'esame prevede la presentazione di contenuti teorici, lo svolgimento di esercizi numerici e l'approfondimento degli elementi teorici necessari per la soluzione degli esercizi.

 

Calendario appelli

Data Ora Luogo Tipologia Note
12/01/2022 14:00 GENOVA Orale
02/02/2022 14:00 GENOVA Orale
16/02/2022 14:00 GENOVA Orale
07/06/2022 14:00 GENOVA Orale
24/06/2022 14:00 GENOVA Orale
14/07/2022 14:00 GENOVA Orale
01/09/2022 14:00 GENOVA Orale