Apprentissage de modèles dynamiques

Objectifs

L’identification des systèmes (ou modélisation basée sur les données) consiste à déduire puis à valider un modèle mathématique pour les systèmes d’ingénierie dynamiques (procédés industriels, servomécanismes, etc.) en faisant usage de données expérimentales recueillies sur ces systèmes. Ce cours aborde deux méthodologies d’identification linéaire largement utilisées : l’estimation empirique de la fonction de transfert (ETFE) et l’identification par erreur de prédiction (PEI). Ce cours permet aux étudiants d’acquérir les compétences théoriques et pratiques nécessaires pour réaliser l’identification de manière adaptée. À l’issue de ce cours, les étudiants sont capables de concevoir une expérience, d’identifier un modèle nominal, d’évaluer la précision et l’exactitude de ce modèle, et de faire des choix de conception appropriés pour aboutir à un modèle validé.

Programme

I - Introduction II - Identification par erreur de prédiction (PEI): critère, structures de modèles, conditions sur les données, propriétés statistiques, incertitude, sélection de la structure de modèles, validation, ... III - Estimation empirique de la fonction de transfert (ETFE): critère, propriétés statistiques, ... IV - Synthèse de l'expérience d'identification

Modalité du contrôle des connaissances

Note = 50% savoir + 50% savoir-faire Note de savoir = 100% examen terminal Note de savoir-faire = 100% contrôle continu

Bibliographie

  • L. Ljung, System Identification: Theory for the User, PTR Prentice Hall, 1999.0
BE
12h
 
Cours
16h
 

Code

26_I_G_S09_MOD_03_4

Responsables

  • Xavier BOMBOIS

Langue

Français

Mots-clés

systèmes dynamiques, identification des systèmes, optimisation, apprentissage machine, identification par erreur de prédiction, ETFE