PRESENTAZIONE

L'insegnamento presenta le principali tecniche modellistiche per processi dinamici complessi con particolare riferimento al contesto dell'ingegneria dei sistemi e dell'ingegneria finanziaria. Inoltre descrive le tecniche di identificazione dei parametri delle categorie modellistiche presentate.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Conoscere le principali classi modellistiche per processi dinamici con particolare riferimento ai modelli in uso nell’ingegneria gestionale; individuare una famiglia di modelli candidati per un processo dinamico; conoscere le caratteristiche di un problema di identificazione parametrica; progettare la soluzione di un problema di identificazione; analizzare le caratteristiche di convergenza dell’algoritmo di soluzione adottato+Q5

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Gli obiettivi formativi dell'insegnamento si riferiscono all'acquisizione della capacità di:

• individuare le caratteristiche dinamiche di un processo;
• definire un modello adeguato agli scopi dell’analisi da svolgere;
• conoscere le caratteristiche di un problema di identificazione;
• conoscere le principali famiglie modellistiche per l’identificazione;
• progettare la soluzione di un problema di identificazione.

PREREQUISITI

L'insegnamento richiede conoscenze di base di teoria dei sistemi, statistica e ottimizzazione.

MODALITA' DIDATTICHE

L'insegnamento è svolto con lezioni frontali che riguardano gli aspetti teorici del corso, presentano lo svolgimento di esercizi numerici e l'utilizzo di alcuni ambienti software dedicati agli argomenti del corso.

PROGRAMMA/CONTENUTO

Caratteristiche dei sistemi dinamici e principali categorie modellistiche. Introduzione ai principali modelli relativi all’ingegneria gestionale e all’ingegneria finanziaria.

Tecniche di identificazione: definizione del problema di identificazione di parametri, famiglie modellistiche per l’identificazione (ARX, ARMAX, OE, ARXAR, BJ), identificazione a minimo errore di predizione (MEP): teoremi di convergenza, identificazione per modelli ARX (identificazione ai minimi quadrati), ARMAX e ARXAR, algoritmi batch e iterativi.

Tecniche di stima parametrica e bayesiana.

TESTI/BIBLIOGRAFIA

L. Ljung, "System Identification: Theory for the user", Prentice Hall (2nd Edition), 1999.

DOCENTI E COMMISSIONI

Commissione d'esame

SIMONA SACONE (Presidente)

CECILIA CATERINA PASQUALE

LEZIONI

INIZIO LEZIONI

23 settembre 2024

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

L'esame è una prova orale.

MODALITA' DI ACCERTAMENTO

L'esame è una prova orale in cui allo studente sono richiesti contenuti teorici, lo svolgimento di esercizi numerici e l'approfondimento degli elementi concettuali necessari per la soluzione degli esercizi.

Calendario appelli

ALTRE INFORMAZIONI

Si consiglia agli studenti con certificazione di DSA, di disabilità o di altri bisogni educativi speciali di contattare il docente all’inizio del corso per concordare  modalità d’esame che tengano conto delle modalità di apprendimento individuali, nel rispetto degli obiettivi dell’insegnamento.