FEL3201 Datadriven modellering, grundläggande kurs 8,0 hp

Signal spectra, linear time-invariant sytems, prediction and filtering, linear and non-linear models, identifiability, non-parametric methods, parameter estimation, maximum likelihood estimation, linear regression, least-squares estimation, the prediction error method, the instrumental variable method, subspace identification, kernel methods, support vector machines, convergence and consistency, modeling accuracy, Cramér-Rao lower bound, numerical optimization, recursive estimation, bias and variance errors, experiment design, applications oriented system identification, choice of identification criterion, model validation, model structure selection, system identification in practice.

After the course, the student should be able to:

·         describe the general principles for system identification.

·         identify systems in a satisfactory manner. This includes choice of excitation signals, model structure and estimation algorithm as well as proper use of model validation.

·         analyse basic model properties, such as identifiability and  accuracy (bias and variance errors).

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

• EXA1 - Examination, 8,0 hp, betygsskala: P, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

·         15 min oral presentation of a selected topic in one of the lectures

·         80% on weekly home-work problems

·         project (preferably on a problem related to the student’s own research)

·         50 % on 72 h take home exam

Håkan Hjalmarsson

• Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
• Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
• Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.