Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
INGEGNERIA DELL'AUTOMAZIONE
Insegnamento
LEARNING DYNAMICAL SYSTEMS - IDENTIFICAZIONE DI SISTEMI DINAMICI
INP7080354, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
INGEGNERIA DELL'AUTOMAZIONE
IN0527, ordinamento 2008/09, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese LEARNING DYNAMICAL SYSTEMS
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
Sito E-Learning https://elearning.dei.unipd.it/course/view.php?idnumber=2019-IN0527-000ZZ-2018-INP7080354-N0
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile MATTIA ZORZI ING-INF/04

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Ingegneria dell'automazione ING-INF/04 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 9.0 72 153.0

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2008

Commissioni d'esame
Commissione Dal Al Membri
2 A.A. 2019/2020 01/10/2019 15/03/2021 ZORZI MATTIA (Presidente)
BAGGIO GIACOMO (Membro Effettivo)
BEGHI ALESSANDRO (Supplente)
BISIACCO MAURO (Supplente)
CARLI RUGGERO (Supplente)
CENEDESE ANGELO (Supplente)
CHIUSO ALESSANDRO (Supplente)
FERRANTE AUGUSTO (Supplente)
PILLONETTO GIANLUIGI (Supplente)
PINZONI STEFANO (Supplente)
SCHENATO LUCA (Supplente)
SUSTO GIAN ANTONIO (Supplente)
TICOZZI FRANCESCO (Supplente)
VALCHER MARIA ELENA (Supplente)
ZAMPIERI SANDRO (Supplente)
1 A.A. 2018/2019 01/10/2018 15/03/2020 ZORZI MATTIA (Presidente)
FERRANTE AUGUSTO (Membro Effettivo)
BEGHI ALESSANDRO (Supplente)
BISIACCO MAURO (Supplente)
CARLI RUGGERO (Supplente)
CENEDESE ANGELO (Supplente)
CHIUSO ALESSANDRO (Supplente)
PILLONETTO GIANLUIGI (Supplente)
PINZONI STEFANO (Supplente)
SCHENATO LUCA (Supplente)
SUSTO GIAN ANTONIO (Supplente)
TICOZZI FRANCESCO (Supplente)
VALCHER MARIA ELENA (Supplente)
ZAMPIERI SANDRO (Supplente)

Syllabus
Prerequisiti: Il corso prevede conoscenze di base di segnali e sistemi, analisi dei dati, teoria dei sistemi, algebra lineare.
Conoscenze e abilita' da acquisire: Si prevede che al termine del corso lo studente abbia sviluppato le competenze di base relative ai seguenti aspetti dell'Ingegneria dei Sistemi:
- conoscenza dei diversi metodi di apprendimento per l’identificazione di sistemi dinamici
- capacità di applicare i diversi metodi di apprendimento per l’identificazione di sistemi dinamici
- uso del toolbox Matlab “System Identification”
Modalita' di esame: La verifica delle conoscenze e delle abilità attese viene effettuata con una prova d’esame suddivisa in tre parti: teoria, laboratorio, presentazione. Nella parte teorica viene effettuato un esame scritto che prevede 3 o 4 domande. Un domanda può richiedere una dimostrazione o un esercizio visto a lezione oppure una leggera variante di questi. Nella parte di laboratorio lo studente deve consegnare 5 homeworks, ciascuno dei quali associato a una lezione di laboratorio Matlab. In ogni homework lo studente deve sviluppare un codice Matlab e deve rispondere a delle domande relative all’esperienza di laboratorio. L’ultima parte dell’esame è facoltativa e viene svolta in gruppi di due, tre o quattro persone. Ciascun gruppo deve studiare e poi presentare un articolo di ricerca proposto dal docente e attinente ai contenuti del corso. Il voto finale viene espresso come somma dei punteggi ottenuti nelle tre parti.
Criteri di valutazione: I criteri di valutazione con cui verrà effettuata la verifica delle conoscenze e delle abilità acquisite sono:
- Completezza delle conoscenze acquisite
-Correttezza dei passaggi logici che argomentano le risposte
- Proprietà della terminologia tecnica utilizzata
- Capacità di utilizzare i metodi appresi in contesti diversi da quelli analizzati a lezione
Contenuti: Stima statica Fisheriana
Stima statica Bayesiana
Concetti e risultati base sui modelli dinamici
Metodo PEM
Metodo PEM basato sui Kernel
Metodi ricorsivi
Determinazione della struttura del modello
Attivita' di apprendimento previste e metodologie di insegnamento: Le attività di apprendimento prevedono lezioni frontali dove vengono affrontati i contenuti del corso e 5 laboratori dove i diversi metodi visti nelle lezioni frontali vengono applicati su dati reali e sintetici.
Eventuali indicazioni sui materiali di studio: Tutto il materiale didattico presentato durante le lezioni frontali è reso disponibile sulla piattaforma moodle.
Testi di riferimento:
  • James G., Witten D., Hastie T., and Tibshirani R., An introduction to statistical learningwith applications in R. New York [etc.]: Springer, 2013. Cerca nel catalogo
  • Rasmussen, Carl Edward; Williams, Christopher K.I., Gaussian processes for machine learningCarl Edward Rasmussen, Christopher K.I. Williams. Cambridge: Mass., MIT Press, 2006. Cerca nel catalogo
  • Papoulis, Athanasios; Pillai, Unnikrishna S., Probability, random variables, and stochastic processes. Boston [etc.]: McGraw-Hill, 1991. Cerca nel catalogo
  • Chen T., Ohlsson H., Ljung L., On the estimation of transfer functions, regularizations and Gaussian processes-Revisited. --: Automatica n.48, 1525-1535, 2012. Cerca nel catalogo
  • Petersen K., Pedersen, M., The matrix cookbook. --: Technical University of Denmark, Vol. 7, 2008. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Laboratory
  • Case study
  • Working in group
  • Questioning
  • Files e pagine caricati online (pagine web, Moodle, ...)
  • Learning journal

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • Latex
  • Matlab

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Industria, innovazione e infrastrutture