Modulbeschreibung
Nonlinear Control and Gaussian Process Regression
Kurzzeichen:
M_VP_21805
ECTS-Credits:
18
Leitidee:
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.
Modulverantwortung:
Frick Klaus
Standort (angeboten):
Buchs
Zusätzliche Eingangskompetenzen:
Grundlagen der Mathametik aus BSc
Modultyp:
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für Technik und IT MSE_20(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Modulbewertung:
Note von 1 - 6
Leistungsnachweise und deren Gewichtung
Während der Unterrichtsphase:
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:
Inhalte
Angestrebte Lernergebnisse (Abschlusskompetenzen):
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.
Modul- und Lerninhalt:
- Dynamische Systeme
- Gauss Prozesse
- Hybride Modelle
- Data-driven Regelung