Modulbeschreibung
Nonlinear Control and Gaussian Process Regression
Kürzel:
M_VP_21805
Durchführungszeitraum:
FS/21
ECTS-Punkte:
18
Lernziele:
Die Studierenden
-
können Lineare und nichtlineare dynamische Systeme aufstellen.
- können dynamische Systeme mit Gauss Prozessen verbessern (hybride Modelle).
- können Regelstrecken mit Hybriden Modellen umsetzen.
- können die Dynamik eines autonomen Fahrzeuges mit einem hybriden Modell abbilden.
- können die Singulärwertzerlegung von Matrizen berechnen.
- können aus der SVD die Hauptkomponenten berechnen.
- können dynamische Systeme mittels Messdaten modellieren.
Verantwortliche Person:
Frick Klaus
Standort (angeboten):
Buchs
Empfohlene Module:
Zusätzlich vorausgesetzte Kenntnisse:
Grundlagen der Mathametik aus BSc
Modultyp:
Standard-Modul für MSE Master of Science in Engineering BB STD_08 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering BB STD_16 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering BB STD_13 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering VZ STD_08 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering VZ STD_16 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering VZ STD_13 (BU)(Keine Semesterempfehlung)
Standard-Modul für Technik und IT MSE_20(Keine Semesterempfehlung)
ECTS-Punkte pro Kategorie
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Modulbewertung
Bewertungsart:
Note von 1 - 6
Leistungsbewertung
Während des Semesters:
Im Kurs "Gaussian Process Regression“ wird ein Projekt mittels Bericht und Fachgespräch bewertet. Im Kurs "Data-driven Engineering“ wird eine schriftliche Prüfung bewertet.
Bewertungsart:
Note von 1 - 6
Gewichtung:
Im Kurs "Gaussian Process Regression“ wird ein Projekt mittels Bericht (Gewicht 40%) und Fachgespräch (Gewicht 40%) bewertet. Im Kurs "Data-driven Engineering“ wird eine schriftliche Prüfung (Gewicht 20%) bewertet.
Bemerkungen:
Kurse in diesem Modul
Gaussian Process Regression
Kürzel:
VP_2180501
Arbeitsaufwand:
450
Semester:
1
Lernziele:
Die Studierenden
- können lineare und nichtlineare dynamische Systeme aufstellen.
- können dynamische Systeme mit Gauss Prozessen verbessern (hybride Modelle).
- können Regelstrecken mit Hybriden Modellen umsetzen.
- können die Dynamik eines autonomen Fahrzeuges mit einem hybriden Modell abbilden.
Plan und Lerninhalt:
- Dynamische Systeme
- Gauss Prozesse
- Hybride Modelle
- Data-driven Regelung
Kursart:
Durchführung gemäss Stundenplan
Projekt mit Lektionen pro Woche
- Max. Teilnehmer: 99
- Harte Grenze: nein
Data-driven Engineering
Kürzel:
VP_2180502
Arbeitsaufwand:
90
Semester:
1
Lernziele:
Die Studierenden
- können die Singulärwertzerlegung von Matrizen berechnen.
- können aus der SVD die Hauptkomponenten berechnen.
- können dynamische Systeme mittels Messdaten modellieren.
Plan und Lerninhalt:
- Singular Value Decomposition
- Principle Component Analysis and low dimensional structures
- Clustering and classification
- Data-driven dynamical systems and control
Kursart:
Durchführung gemäss Stundenplan
Selbststudium mit Lektionen pro Woche
- Max. Teilnehmer: 99
- Harte Grenze: nein