Show simple item record

Model discovery from data using methods for sparse identification of nonlinear implicit dynamics



dc.contributor.advisorBušek Jaroslav
dc.contributor.authorKryštof Bystřický
dc.date.accessioned2021-09-01T22:52:11Z
dc.date.available2021-09-01T22:52:11Z
dc.date.issued2021-09-01
dc.identifierKOS-1087892454905
dc.identifier.urihttp://hdl.handle.net/10467/97093
dc.description.abstractProblém získávání matematických modelů popisujících chování určité soustavy je aktuální napříč mnoha odvětvími. Model soustavy může být vytvořen využitím prvotních fyzikálních principů modelovaného systému, zde je však nutná dostatečně vyvinutá teorie pro daný systém. Alternativní přístup je identifikace modelu z naměřených dat, což je pro mnoho složitých systémů bez dostatečně vyvinuté teorie jediná možnost. V této práci aplikuji metodu Sparse Identification of Nonlinear Dynamics (SINDy, SINDy-PI), která částečně využívá obou přístupů. Model je vytvořen z dat za použití alespoň omezené znalosti o fyzice modelovaného systému. V této práci bude metoda aplikována na identifikaci nelineárního modelu soustavy Lorenzova systému a kyvadla na vozíku. Součástí práce je i popis metod pro filtraci a numerickou diferenciaci naměřených signálů. V práci je také navržena úprava originálního algoritmu pro řídkou identifikaci. Také je v práci představen systematický přístup pro tvorbu knihovny kandidátských funkcí, a metoda pro hodnocení a výběr modelu využívající klastrovacích algoritmů.cze
dc.description.abstractThe problem of obtaining models describing the dynamics of a certain system is current across many industries. The traditional approach to modeling relies on specific knowledge about the physical principles of the system. This approach requires a developed theory of the underlying system. An alternative approach is model identification from data, which is often the only viable approach for complex systems without a developed theory. In this thesis, I apply a method called Sparse Identification of Nonlinear Dynamics (SINDy, SINDy-PI), which utilizes both approaches, identifying models from data using at least some limited knowledge of the system. The method will be used to identify accurate nonlinear models of two canonical systems, the Lorenz system, and the pendulum-cart system. The thesis also describes methods for filtering and numerical differentiation of measured signals. During the thesis, novel adjustments are made to the original sparse regression algorithm. A new approach to the creation of the candidate function library is also proposed, as well as a new approach to evaluating models using clustering.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmleng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.htmlcze
dc.subjectStrojové učenícze
dc.subjectidentifikace systémůcze
dc.subjectřídká regresecze
dc.subjectdynamické systémycze
dc.subjectnumerická diferenciacecze
dc.subjectspektrální filtrovánícze
dc.subjectspektrální diferenciacecze
dc.subjectvýběr modelucze
dc.subjectMachine learningeng
dc.subjectsystem identificationeng
dc.subjectsparse regressioneng
dc.subjectdynamical systemseng
dc.subjectnumerical differentiationeng
dc.subjectspectral filteringeng
dc.subjectspectral differentiationeng
dc.subjectmodel selectioneng
dc.titleIdentifikace modelů z dat pomocí metod řídké identifikace nelineární implicitní dynamikycze
dc.titleModel discovery from data using methods for sparse identification of nonlinear implicit dynamicseng
dc.typediplomová prácecze
dc.typemaster thesiseng
dc.contributor.refereeSkopec Pavel
theses.degree.disciplineAutomatizace a průmyslová informatikacze
theses.degree.grantorústav přístrojové a řídící technikycze
theses.degree.programmeAutomatizační a přístrojová technikacze


Files in this item





This item appears in the following Collection(s)

Show simple item record