Department of Adaptive Systems

In an AR(p) model of data evolution in a discrete time with a Gaussian noise uncorrelated between the data channels, we are trying to predict the distribution of data up to the horizon t + h, knowing the data at time t. Because of the use of Bayesian paradigm, there is a parameter uncertainty present in the model specified by a known prior distribution.

Na semináři bude proveden přehled našich dosavadních výsledků v oblasti návrhu modelově orientovaného řízení založeného na lineárně kvadratickém kritériu. Stěžejní část semináře bude věnována popisu ladění regulačních parametrů pomocí plně pravděpodobnostního návrhu. V závěru budou nastíněny plány pro budoucí práci.

Má-li regresní model s pevnou strukturou dobře reflektovat modelovanou realitu, je často potřeba uvolnit jeho parametry a umožnit jejich změny. Za předpokladu, že se parametry mění v čase pomalu, tj. jejich nová hodnota leží velice blízko hodnotě předešlé, lze uplatnit přístup zapomínání.