Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Boeira, Emerson Christ |
| Orientador(a): |
Eckhard, Diego |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
eng |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Link de acesso: |
http://hdl.handle.net/10183/266112
|
Resumo: |
A partir de trabalhos recentes e inovadores da área de aprendizado de máquina, uma ferramenta matemática conhecida como regularização ganhou notoriedade para o contexto de identificação de sistemas, principalmente devido a novas metodologias para a estimação da matriz de regularização, relacionadas a informações a priori sobre o sistema, e a resultados promissores exibidos em trabalhos que empregam tal ferramenta, os quais atingem modelos mais precisos comparados às técnicas clássicas de identificação. Neste sentido, este trabalho apresenta contribuições que exploram o uso dessa ferramenta de regularização para estender técnicas de identificação de sistemas com ruído colorido na saída, identificação de sistemas com erros nas variáveis e controle baseado em dados. No âmbito de identificação de sistemas com ruído colorido na saída, este trabalho apresenta o método dos mínimos quadrados ponderados regularizados, assim como a dedução de matrizes ótimas de regularização e ponderação para este cenário. No contexto de identificação com erros nas variáveis, o trabalho apresenta uma análise de propriedades estatísticas da técnica de estimação por variáveis instrumentais e usa a ferramenta de regularização para minimizar um critério relacionado ao erro médio quadrático das estimativas. No contexto de controle baseado em dados, o desenvolvimento para sistemas com erros nas variáveis é estendido para o método da referência virtual, com as particularidades e interpretações voltadas para controle. |
