客服咨询

意见反馈

终身学习智能服务
课程
系统辨识
人工智能//
0.0
19
视频
7.3
课时
22.00
介绍
目录

课程概述

本课程是由北京工商大学刘翠玲,赵峙尧两位老师讲授的《系统辨识》,共计7学时。 《系统辨识》是控制学科及其相关学科硕士研究生的一门学科基础理论课程,通过课程的实训实践,让学习者掌握基本知识、基本应用,也通过研究生调研报告完成的学术报告形式,活跃学习者的学术思维,通过专家讲坛开阔学习者对学科领域的知识视野。 适用于从事人工智能、自动控制相关人员,需要学习者具备自动控制原理、线性系统理论、概率统计与随机过程方面的知识储备。

课程目标

通过本门课的学习,学习者可掌握系统、模型及辨识的基本概念、基本理论、基本方法和应用,对参数估计、时域辨识、频域辨识、随机系统辨识等经典理论方法有一个较全面掌握,对现代系统辨识技术新方法也有初步的了解。

考核评价

本课程将通过线上考核的形式检测学习者的知识掌握情况,考试共20题,题目类型包括单选题、多选题和判断题。主要考察内容为:系统、模型及辨识的基本概念、基本理论、基本方法和应用。

讲师介绍

详细介绍

适用对象:

从事人工智能、自动控制相关人员

主要内容:

1.介绍了系统辨识的基本概念、辨识模型与辨识信号

2.介绍了经典辨识法、最小二乘类辨识方法、极大似然辨识方法

2.介绍了模型结构辨识和闭环系统辨识

课程属性:专业岗位技能课程

第一章 引言
1.1课程在学科中的地位及性质

(280s)

第二章 系统辨识的基本概念
2.1系统和模型

(520s)

2.2系统辨识的定义

(204s)

2.3辨识问题的表达形式

(466s)

2.4辨识的基本原理

(232s)

2.5辨识的内容和步骤

(453s)

第三章 辨识模型与辨识信号
3.1辨识模型

(366s)

3.2辨识信号:白噪声

(471s)

3.3辨识信号:M序列

(366s)

第四章 经典辨识法
4.1定义法

(477s)

4.2相关分析法

(532s)

4.3由非参数模型求传递函数

(587s)

第五章 最小二乘类辨识方法
5.2加权最小二乘法

(373s)

5.4最小二乘估计的统计特性质

(521s)

5.5辅助变量法

(313s)

5.7增广最小二乘法

(326s)

5.1最小二乘的思想及其求解

(581s)

5.3递推最小二乘法

(794s)

5.6广义最小二乘法

(573s)

5.8 相关两步法

(314s)

5.10限定记忆法

(279s)

5.9 遗忘因子法

(507s)

第六章 极大似然辨识方法
6.2极大似然参数辨识示例

(356s)

6.1极大似然原理与估计

(495s)

6.3极大似然模型参数估计

(549s)

6.4有色噪声系统的极大似然估计

(663s)

第七章 模型结构辨识
7.1引言

(578s)

7.2根据Hankel矩阵的秩估计模型的阶次

(655s)

7.3利用残差的方差估计模型的阶次:残差方差分析

(426s)

7.4利用残差的方差估计模型的阶次:F-test定阶法

(775s)

7.5其他结构辨识方法简介与小结

(465s)

第八章 闭环系统辨识
8.1引言

(860s)

8.2闭环辨识问题

(344s)

8.3可辨识性的概念

(493s)

8.4闭环系统的可辨识性(上)

(546s)

8.5闭环系统的可辨识性(下) 8.6实例与小结

(741s)

8.6实例与小结

(260s)

第九章 学生学术报告
9.2 神经网络在气象预测系统建模中的应用.mp4

(835s)

9.1 果蝇优化算法在水质演化机理模型辨识中的应用

(676s)

9.3 最小二乘法在光谱检测技术中的应用

(648s)

监督管理单位:江苏省人力资源和社会保障厅     运营服务单位:杭州沃土教育科技股份有限公司     技术支持单位:浙江浙大网新软件产业集团有限公司