Bejelentkezés
English
Magyar
Budapesti Műszaki és Gazdaságtudományi Egyetem (BME)
,
Villamosmérnöki és Informatikai Kar (VIK)
Mesterséges Intelligencia és Rendszertervezés Tanszék
Nyitólap
Bemutatkozás
Hírek, események
Díjak, elismerések
Ismertető
Tanszéki laborok
Schnell Alapítvány
Támogatóink
Képek a tanszék életéből
Elérhetőség
Munkatársak
Munkatársak
Doktoranduszok
Oktatás
Oktatási hírek
Oktatási tevékenységünk
Képzések
Specializációk
Tantárgyak
Alapképzés
Mesterképzés
Doktori képzés
Választható tárgyak
Témakiírások
Témalabor
Önálló labor
Szakdolgozat és diplomaterv
Tehetséggondozás
Szakképzés
Szakmai gyakorlat
Kutatás
Csoportok
Projektek
Szakmai előadások
Doktorandusz Miniszimpózium
Oktatás
»
Tárgyak
»
Dinamikus rendszerek modellezése és identifikációja
Segédletek
Csatolt fájlok:
Analysis of windowing/leakage effects in frequency response function measurements
A New Kernel-Based Approach for NonlinearSystem Identification
A shift in paradigm for system identification
Approaches to Identification of Nonlinear Systems
Bayesian and nonparametric methods for system identification and model selection
Classical vs. Bayesian methods for linear system identification: point estimators and confidence sets
Deep Learning and System Identication
Detection and Estimation of Nonlinear Distortions in Industrial Robots
Estimating Linear Time-invariant Models of Nonlinear Time-varying Systems
Experimental Comparison of Methods for Multivariable Frequency Response Function Estimation
FRF Measurement of Nonlinear Systems Operating in Closed Loop
Identification of Linear Systems in the Presence of Nonlinear Distortions
Kernel methods in system identification, machine learning and function estimation: A survey
Leakage Reduction in Frequency-Response Function Measurements
Least Squares with Examples in Signal Processing
Linear Time-Invariant Models of Non-linear Time-varying Systems
Noise Leakage Suppression in FRF Measurements Using Periodic Signals
Nonparametric Data-Driven Modeling of Linear Systems. Estimating the frequency response and impulse response function
On the estimation of transfer functions, regularizations and Gaussian processes—Revisited
Nonlinear System Identification A USER-ORIENTED ROAD MAP
Frequency response function measurements in the presence of nonlinear distortions
Time domain identification, frequency domain identification. Equivalencies! Differences?
Nonparametric Preprocessing in System Identification: A Powerful Tool
What can regularization offer for estimation of dynamical systems?
1systems-and-signals.zip
Non-parametric_frequency_response.pdf
Nonlinear_Input_Output_Modeling.pdf
Identification_of_block-oriented_nonlinear_systems_starting_from.pdf
Four Encounters with System Identification
Identification of linear systems withnonlinear distortions
mimo3gen-opt.zip
Local Polynomial Method Frequency-Response Calculation for Rotorcraft Applications
Perspectives on System Identification
m0.zip
m1.zip
m1a.zip
m2.zip
m3.zip
m4.zip
m5.zip
System Identification in a Real World
Time domain identification, frequency domain identification. Equivalencies! Differences?
Mastering System Identification in 100 Exercises -Matlab scripts
Mastering System Identification in 100 Exercises
Pintelon-System Identification - Errata
Ljung-System Identification Theory for the User-1ed
Ljung-System Identification Theory for the User-2ed
Pintelon, Schoukens - System Identification 1ed
Pintelon, Schoukens - System Identification 2ed
Iserman-Identification of Dynamic Systems
Deep Learning Toolbox
Neural Network Toolbox
System Identification Toolbox
2resistors.zip
3least-squares.zip
3regularisation-figures.zip
4MLE-MAP.zip
5LTI-and-signals.zip
6Nonpar-in-TD.zip
7Nonpar-in-FD.zip
8Nonpar-indirect.zip
9Nonpar-MIMO.zip
10Wind-LPM.zip
11LinMod-NL.zip
12LTI-PE.zip
13ParEst-Q-8-10-12-nelkul.zip
14CompEstimates-9-1-nelkul.zip
15Persist-Validation-etc.zip
16ModernIssues.zip
Frequency_Domain_Maximum_likelihood_Estimation_of_Linear.pdf
Module_4_2_Volterra.pdf
NLSI_Extended_v1.pdf
SeminarBlockOriented_v1.pdf
SystemIdentificationPreliminarySlides.pdf
A Nonlinear Block Structure Identification Procedure Using Frequency Response Function Measurements
Block-Oriented Identification using the Best Linear Approximation: Benefits and Drawbacks
Data-Driven Impulse Response Regularization via Deep Learning
m6-etfe.zip
m7-bla.zip
Kollár István, 2013. március 28. 08:16 | Legutóbb frissítve: 2022. május 12. 22:46
Dinamikus rendszerek modellezése és identifikációja
Hivatalos kari honlap
Feladatok
Követelmények
Segédletek
© 2010-2025 BME MIT
|
Hibajelentés
|
Használati útmutató