Insegnare allo studente i metodi di impiego comune per l'identificazione di modelli statici e dinamici in ambito scientifico, tecnologico e industriale, i loro limiti intrinseci e il compromesso fra complessità e capacità di adattamento al fenomeno osservato.
Modelli statici e dinamici per la rappresentazione dei dati: conoscenza a priori e misurazione. Teoria della predizione. Algoritmi di regressione: metodo dei minimi quadrati e ottimizzazione min-max. Sovradaddamento e contromisure: regolarizzazione. Stima parametrica e struttura interna del modello. Analisi statistica degli stimatori. Distorsione nella stima parametrica e contromisure: metodo della massima verosimiglianza, variabili strumentali. Rappresentazione di sistemi dinamici: modelli AR, ARX, ARMA, ARMAX e loro identificazione; forma di predizione. Analisi spettrale. Identificazione in catena chiusa.
Per il programma esteso, il materiale didattico e altre informazioni si consulti il sito:
Lennart Ljung. System Identification - Theory for the user, 2nd. ed. Prentice Hall.
Altro materiale didattico verrà indicato dal docente.
Lavagna e gessetto.
Esame scritto e/o orale.
Altre informazioni verranno rese disponibili sualla pagina pubblica del docente,