Estimação e Sistemas de Decisão

Código:

M.EEC013

Sigla:

ESD

Áreas Científicas
Classificação	Área Científica
OFICIAL	Automação e Controlo

Ocorrência: 2021/2022 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Eletrotécnica e de Computadores
Curso/CE Responsável:	Mestrado em Engenharia Eletrotécnica e de Computadores

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M.EEC	16	Plano de Estudos Oficial	2	-	6	39

Língua de trabalho

Português

Objetivos

 No final desta UC pretende-se que os estudantes tenham adquirido uma base sólida de conhecimentos que permitam
compreender os problemas de estimação e identificação, os métodos que, hoje em dia, constituem o "state of the art"
nesta área, e ainda abordar problemas de decisão em ambiente de incerteza.

Resultados de aprendizagem e competências

No final desta UC pretende-se que os estudantes sejam capazes de:
1. Compreender Processos Estocásticos em tempo discreto.
2. Conhecer Modelos de função transferência determinístico-estocásticos de sistemas em tempo discreto (ARX, ARMAX, Box Jenkins).
3. Saber planear experiências de identificação e estimar modelos a partir de dados experimentais.
4. Compreender Processos de Markov e Redes de Bayes.
5. Compreender Programação dinâmica estocástica 
6. Saber construir e utilizar Processos de decisão de Markov

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

• Teoria do Controlo


• Álgebra


• Probabilidade e Estatística

Programa

Processos Estocásticos em tempo discreto.
Modelos de ruído.
Modelos de função de transferência determinístico-estocásticos de sistemas em tempo discreto (ARX, ARMAX, Box Jenkins).
Previsão, Estimação de parâmetros e Identificação de modelos de função de transferência de sistemas em tempo discreto (métodos dos
Mínimos Quadrados, Variáveis Instrumentais e Métodos de Otimização do Erro de Previsão).
Processos de Markov.
Redes de Bayes. Inferência.
Programação dinâmica estocástica e Processos de decisão de Markov.
Teoria da Decisão

Bibliografia Obrigatória

Ljung, Lennart; System identification. ISBN: 0-13-881640-9
Puterman, M. L.; Puterman, M. L. (2014). Markov decision processes: discrete stochastic dynamic programming. , John Wiley & Sons., 2014

Bibliografia Complementar

Verhaegen, Michel and Verdult, Vincent; Filtering and System Identification - A least squares approach, Cambridge University Press, 2007. ISBN: ISBN-13 978-0-521-87512-7
Paulo Jorge de Azevedo Lopes dos Santos; Identificação de sistemas dinâmicos
Lopes dos Santos, Paulo; Perdicoúlis, T-P A; Novara, Carlo; Ramos, Jose; Rivera, Daniel; Linear Parameter Varying Systems - New Developments and Trends, World Scientific, 2012. ISBN: 13-978-981-4355-44-5
Kumar, P. R., & Varaiya, P. ; Stochastic systems: Estimation, identification, and adaptive control. ., SIAM, 2015
Graham C. Goodwin; Adaptive filtering. ISBN: 0-13-004069-X

Métodos de ensino e atividades de aprendizagem

• Aulas teóricas: Exposição 


• Aulas teórico-práticas: Realização de trabalhos de demonstração de conceitos com dados reais ou simulados. Realização de pequenos projectos de estimação, identificação,  e decisão.


• Exposição dos temas programáticos ilustrada por exemplos reais ou simulados (com o MATLAB/Octave) que permitem
  clarificar os conceitos e resultados apresentados. Resolução de exercícios e execução de trabalhos práticos,
  propostos pelo docente, que estimulam a participação ativa e crítica dos estudantes . Utilização de ferramentas
  computacionais no tratamento de dados nomeadamente o MATLAB/Octave

Software

Octave
Matlab
System Identification Toolbox

Palavras Chave

Ciências Tecnológicas > Engenharia > Engenharia de sistemas > Teoria de sistemas

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Teste	90,00
Participação presencial	10,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Estudo autónomo	78,00
Frequência das aulas	56,00
Trabalho laboratorial	28,00
Total:	162,00

Obtenção de frequência

Todo o aluno que não exceda o limite de faltas tem frequência.

Fórmula de cálculo da classificação final

Os alunos terão que fazer 2 testes. O primeiro a meio do semestre e o segundo no fim. Terão ainda que realizar regularmente questionários. A Nota Final é calculada da seguinte forma

 Nota final=0,45*T1+0,45*T2+0.1*Q

 

T1 - Primeiro teste
T2 - Segundo teste
Q - Classificação total dos questionários

 Caso a nota final seja superior a 18 valores o aluno pode requerer uma prova oral para eventual atribuição de classificação superior a 18 valores.

Os alunos que não consigam obter a classificação de 10 podem fazer o exame de recurso na época de recurso. Neste caso a classificação final será a obtida no exame.

Avaliação especial (TE, DA, ...)

Os alunos admitidos a exame por terem dispensa de frequência (ao abrigo das alíneas a), b) e c) do Artigo 4º das Normas Gerais de Avaliação) não estão dispensados dos testes de avaliação. 

Melhoria de classificação

A melhoria da classificação pode ser efectuada em época especial de exame, sendo a classificação final igual ao resultado obtido nesse exame, se melhor do que a classificação anterior.

Observações

Os alunos dispensados de frequência pelo facto de a terem obtido no ano lectivo anterior (e apenas nesse!)