Opções de inscrição

Este curso procura explorar o tema de Identificação de Sistemas lineares e não lineares usando técnicas de caixa-preta, diferentes daquelas baseadas em Redes Neurais Artificiais (Artificial Neural Networks - ANNs) e Máquinas de Vetores de Suporte (Support Vector Machines - SVMs). Neste caso, para treinar os modelos usaremos o histórico de entradas/saídas observado através das medições, assim como dos erros calculados através  das amostragens. As técnicas a serem estudadas são as seguintes: (a) LS – Least Squares, (b) BLS - Batch Least Squares, (c) RLS - Recursive Least Squares, (d) ARMAX - AutoRegressive Moving Average model with eXogenous inputs (e)  NARMAX - Nonlinear AutoRegressive Moving Average with eXogenous inputs, (f)  FROLS - Forward Regression Orthogonal Least Squares. O curso será baseado em exemplos com códigos em Matlab e linguagem R descrevendo exemplos práticos. Este curso faz parte de uma colaboração histórica entre o prof. Helon Ayala (PUCRJ) e o LEIA-GRACO. Os algoritmos listados são usados intensivamente nas áreas de controle e automação de sistemas.


Grau de Ensino: Graduação
Visitantes não podem acessar este curso. Por favor faça login.