izpis_h1_title_alt

Identifikacija dinamičnih sistemov z globokimi Gaussovimi procesi
Jančič, Mitja (Avtor), Govekar, Edvard (Mentor) Več o mentorju... Povezava se odpre v novem oknu, Kocijan, Juš (Komentor)

.pdfPDF - Predstavitvena datoteka, prenos (6,72 MB)
MD5: 4B446F743B0F60919D2719EA09F5C590

Izvleček
Zaradi naraščajoče kompleksnosti obravnavanih sistemov in posledično zahtevnega matematičnega modeliranja, v praksi pogosto uporabimo empirične modele ali modele črne škatle, s katerimi modeliramo le povezave med vhodno-izhodnimi vrednostmi, ne pa tudi fizikalnih zakonitosti, ki se jim sistem podreja. Za modeliranje oziroma identifikacijo zveze med vhodnimi in izhodnimi vrednostmi sistema se uporabljajo tudi globoki Gaussovi procesi. Ti za opis kompleksnejših procesov uporabljajo gnezdenje in hierarhično strukturo. Z identificirano zvezo med vhodno-izhodnimi vrednostmi z uporabo Gaussovih procesov lahko za dane vhodne vrednosti napovemo vrednost izhoda in pripadajočo negotovost, kar lahko s pridom uporabimo. V okviru magistrskega dela predstavimo teoretične osnove modeliranja z globokimi Gaussovimi procesi in njihove prednosti. V ta namen v ilustrativnem primeru uspešno identificiramo dinamični sistem nelinearnega nihanja mase, v bolj praktičnem primeru pa obravnavamo bistveno kompleksnejši sistem napovedovanja temperature v prizemni plasti atmosfere.

Jezik:Slovenski jezik
Ključne besede:identifikacija dinamičnih sistemov, globoki Gaussovi procesi, autoregresivni model, enokoračna napoved, neparametričen model, nelinearni sistem
Vrsta gradiva:Magistrsko delo/naloga (mb22)
Organizacija:FS - Fakulteta za strojništvo
Leto izida:2017
Število ogledov:1000
Število prenosov:564
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
 
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
:
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Identification of dynamic systems using deep Gaussian Processes
Izvleček:
Mathemathical and physical modelling only provide approximate description of the true nature of a dynamic system. The higher the precision of the model the more likely it becomes analytically intractable and, therefore, empirical models or black box models are used. When dynamic systems are considered as black box models, almost no prior knowledge about the system is considered. Deep Gaussian Processes, which use hierarchical structure to provide adequate identification of very complex systems, can be used to identify the mapping between the system input and output values. With the given mapping function we can then provide a one-step ahead prediction of the system output values, together with its uncertainty, which can be advantageously used. In this paper we use deep Gaussian Processes to identify a dynamic system and present its advantages by studying two cases. In the first illustrative case we successfully identify the dynamic properties of a nonlinear oscillating mass, while in the second, more realistic and complex case, we study one-step ahead prediction of air temperature in the atmospheric surface layer.

Ključne besede:identification of dynamic systems, deep Gaussian Processes, one-step ahead prediction, nonparametric model, nonlinear systems

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj