Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2023/2024
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Laboratoř statistického modelování

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
NI-LSM KZ 5 3C česky
Garant předmětu:
Kamil Dedecius
Přednášející:
Kamil Dedecius
Cvičící:
Kamil Dedecius
Předmět zajišťuje:
katedra aplikované matematiky
Anotace:

Předmět je orientován na problematiku sledování jednoho či více cílů, kdy se student nejen seznamuje s existujícími metodami, ale sám si je i zkouší implementovat. Důraz je kladen na efektivní využití dostupné informace a její modelování s využitím numpy a scipy. Druhá polovina semestru je zaměřena na vlastní návrh metod a algoritmů, analýzu a ověřování jejich vlastností. V tomto bodě je předmět na hranici vlastního výzkumu a u zájemců může přerůst v závěrečnou práci (diplomovou, příp. i bakalářskou).

Požadavky:

BI-LIN, BI-ZMA

Ideálně BI-PST

Osnova přednášek:

1. Úvod do statistického modelování, bayesovský přístup.

2. Lineární model, apriorní a aposteriorní informace.

3. Kalmanův filtr, sledování jednoho cíle

4. Kalmanův filtr při falešných měřeních.

5. PDA filtr.

6. PDA filtr - pokračování.

7. Projekt: Zadání problému.

8. Projekt: Analýza stavu poznání.

9. Projekt: Návrh vhodných řešení.

10. Projekt: Implementace navržených řešení.

11. Projekt: Analýza dosažených výsledků.

12. Projekt: Vyhodnocení.

Osnova cvičení:

1. Úvod do statistického modelování, bayesovský přístup.

2. Lineární model, apriorní a aposteriorní informace.

3. Kalmanův filtr, sledování jednoho cíle

4. Kalmanův filtr při falešných měřeních.

5. PDA filtr.

6. PDA filtr - pokračování.

7. Projekt: Zadání problému.

8. Projekt: Analýza stavu poznání.

9. Projekt: Návrh vhodných řešení.

10. Projekt: Implementace navržených řešení.

11. Projekt: Analýza dosažených výsledků.

12. Projekt: Vyhodnocení.

Cíle studia:
Studijní materiály:

1. E. Brekke: Fundamentals of sensor fusion. NTNU, 2021

2. X. Rong Li and Y. Bar-Shalom, “Tracking in clutter with nearest neighbor filters: analysis and performance,” IEEE Transactions on Aerospace and Electronic Systems, vol. 32, no. 3, pp. 995–1010, Jul. 1996, doi: 10.1109/7.532259.

3. Y. Bar-shalom, F. Daum, and J. I. M. Huang, “The probabilistic data association filter,” IEEE Control Systems, vol. 29, no. 6, pp. 82–100, Dec. 2009, doi: 10.1109/MCS.2009.934469.

Poznámka:

Informace o předmětu a výukové materiály naleznete na https://courses.fit.cvut.cz/NI-LSM/

Další informace:
Předmět lze absolvovat opakovaně
https://courses.fit.cvut.cz/NI-LSM/
Rozvrh na zimní semestr 2023/2024:
Rozvrh není připraven
Rozvrh na letní semestr 2023/2024:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út
místnost T9:301
Dedecius K.
08:15–10:45
(paralelka 101)
Dejvice
NBFIT učebna
St
Čt

Předmět je součástí následujících studijních plánů:
Platnost dat k 27. 3. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet6098006.html