Share in:

El objetivo principal de la asignatura es que el alumno sea capaz de aplicar las técnicas clásicas más importantes de Reconocimiento de Patrones y las Redes Neuronales Artificiales más extendidas (tanto supervisadas como no supervisadas) a problemas concretos, algunas veces con datos sintéticos y otras veces con datos del mundo real (p.e. imágenes) utilizando Matlab para ello. El alumno debe comprender las características principales comunes a todas las técnicas basadas en el aprendizaje, así como a evaluar las ventajas e inconvenientes de la utilización de cada técnica en particular para un problema en concreto. Para ello van resolviendo los mismos problemas mediante ejercicios planteados con las distintas técnicas explicadas durante el curso y realizan igualemente 2 trabajos que engloban el análisis comparativo de las técnicas explicadas.

Share in:

El objetivo principal de la asignatura es que el alumno sea capaz de aplicar las técnicas clásicas más importantes de Reconocimiento de Patrones y las Redes Neuronales Artificiales más extendidas (tanto supervisadas como no supervisadas) a problemas concretos, algunas veces con datos sintéticos y otras veces con datos del mundo real (p.e. imágenes) utilizando Matlab para ello. El alumno debe comprender las características principales comunes a todas las técnicas basadas en el aprendizaje, así como a evaluar las ventajas e inconvenientes de la utilización de cada técnica en particular para un problema en concreto. Para ello van resolviendo los mismos problemas mediante ejercicios planteados con las distintas técnicas explicadas durante el curso y realizan igualemente 2 trabajos que engloban el análisis comparativo de las técnicas explicadas.

Share in:

El objetivo de la asignatura es que el alumno sea capaz de controlar sistemas físicos, que se le suministran como bloques de Simulink que reproducen el comportamiento de los sistemas reales (con no-linealidades y ruidos en la medida). Para ello se explica primeramente al alumno la importancia del modelado del sistema mediante la Función de Transferencia, incluyendo sus características, metodología, ventajas y limitaciones de este modelado lineal. A continuación se le explica el control regulatorio básico (CRB) de sistemas de una entrada y una salida, incluyendo estructura y cálculo de consoladores. Posteriormente se le explican las técnicas más utilizadas del denominado control avanzado, para terminar resolviendo problemas de control multivariable con técnicas extrapoladas de las estructuras de control anteriores.

Share in:

La asignatura aborda el control de sistemas usando para ello el modelado en el espacio de estado. Este nuevo modelo aporta información completa de la evolución del sistema y se contrapone con ello al modelo clásico más limitado de la relación entrada-salida del sistema. La asignatura aborda desde la obtención del modelo de estado de los sistemas, hasta su control para sistemas lineales usando la información del propio estado, pasando por los pasos necesarios intermedios de resolución de la evolución del estado, estudio de la controlabilidad y observabilidad, y la construcción de observadores del estado.

Share in:

Share in:

Share in:

Share in: