Dauer: 
  2 Semester |  Angebotsturnus: 
  Jedes Semester |  Leistungspunkte: 
  12 |  
    Studiengang, Fachgebiet und Fachsemester: - Master Robotics and Autonomous Systems 2019 (Vertiefungsmodul), Vertiefung, 1. und 2. Fachsemester
  
  |  
      Lehrveranstaltungen:   - RO4500-Ü: Linear Systems Theory (Übung, 2 SWS)
 - RO5501-V: Graphische Modelle in der System- und Regelungstheorie (Vorlesung, 2 SWS)
 - RO5501-Ü: Graphische Modelle in der System- und Regelungstheorie (Übung, 1 SWS)
 - RO4500-S: Advanced Control and Estimation (Seminar, 2 SWS)
 - RO4500-V: Linear Systems Theory (Vorlesung, 2 SWS)
     |   Workload:   - 30 Stunden Präsenzübung
 - 150 Stunden Selbststudium
 - 150 Stunden Präsenzstudium
 - 30 Stunden Prüfungsvorbereitung
     |       |  
      Lehrinhalte:   |       - Lehrinhalte der Veranstaltung Linear Systems Theory:
 - Vektorraum, Norm, lineare Operatoren
 - Eigenwerte, Eigenvektoren, Jordan'sche Normalform
 - Singulärwertzerlegung und Operatornorms
 - Kontinuierliche und diskrete lineare Systeme
 - Modellierung linearer Systeme und Linearisierung
 - Fundamentallösung der Zustandsgleichungen linearer Systeme
 - Laplacetransformation und z-Transformation
 - Lehrinhalte der Veranstaltung Graphical Models in Systems and Control:
 - Einführung in die Wahrscheinlichkeitstheorie, sowie diskrete und kontinuierlich verteilte Zufallsvariablen
 - Grundlegende Kenntnisse zu probabilistischen graphischen Modellen
 - Erweiterte Kenntnisse zu (Forney-)Faktorgraphen als probabilistisches graphisches Modell
 - Message Passing mittels Sum- und Max-Produkt Algorithmus
 - Gauß'sches Message Passing
 - Zustandschätzung im probabilistischen Framework (Kalman Filter und Smoother inklusive Erweiterungen)
 - Parameterschätzung mittels Expectation Maximization
 - Expectation Propagation
 - Regelung auf Faktorgraphen
 - Lehrinhalte des Seminars Advanced Control and Estimation:
 - Aktuelle Algorithmen in der stochastischen Signalverarbeitung, Parameterschätzung, Systemidentifikation und Regelung.
     |       |  
   Qualifikationsziele/Kompetenzen:   - Lernziele der Veranstaltung Linear Systems Theory:
 - Die Studierenden beherrschen die wichtigsten Konzepte der linearen Algebra.
 - Die Studierenden verstehen die Grundlagen kontinuierlicher und diskrete linearer Systeme.
 - Die Studierenden können mechanische und elektrische Systeme mathematisch modellieren.
 - Die Studierenden können die Systemgleichungen im Zeitbereich und Frequenzbereich lösen und analysieren.
 - Die Studierenden entwickeln ihre mathematischen Fähigkeiten und Problemlösungskompetenz.
 - Die Studierenden verbessern ihre Fähigkeiten in der logischen Argumentation und mathematischen Beweisführung.
 - Die Studierenden können Forschung in der Regelungs- und Systemtheorie verfolgen und betreiben.
 - Lernziele der Veranstaltung Graphical Models in Systems and Control:
 - Die Studierenden erwerben und vertiefen grundlegende Kenntnisse der Wahrscheinlichkeitstheorie und der Transformation diskret und kontinuierlich verteilter Zufallsvariablen.
 - Die Studierenden können einfache lineare Algorithmen wie das Kalman Filter mit Hilfe graphischer probabilistischer Modelle verstehen
 - Die Studierenden können Elemente von probabilistischen Algorithmen mit Hilfe graphischer probabilistischer Modelle zu neuen Algorithmen kombinieren.
 - Die Studierenden können fortgeschrittene Signalverarbeitung, Parameter- und Zustandsschätzprobleme, sowie Regelalgorithmen mit Hilfe grapischer probabilistischer verstehen, erweitern und auf relevante Probleme anpassen.
 - Lernziele des Seminars Advanced Control and Estimation:
 - Die Studierenden können aktuelle wissenschaftliche Literatur recherchieren und verstehen.
 - Die Studierenden können aktuelle Algorithmen aus wissenschaftlicher Literatur nachbilden und evaluieren.
 - Die Studierenden können Ergebnisse aus aktueller wissenschaftlicher Literatur reproduzieren, erweitern und publikumsgerecht präsentieren.
     |  
   Vergabe von Leistungspunkten und Benotung durch:   - Klausur oder mündliche Prüfung nach Maßgabe des Dozenten
     |  
    Modulverantwortliche:    Lehrende:     |  
  Literatur:  - Loeliger, Hans-Andrea; Dauwels, Justin; Hu, Junli; Korl, Sascha; Ping, Li; Kschischang, Frank R.: The Factor Graph Approach to Model-Based Signal Processing - Proc. IEEE, Vol. 95, No. 6, 2007
 - Loeliger, Hans-Andrea: An Introduction to factor graphs - IEEE Signal Process. Mag., Vol. 21, No. 1, 2004
 - Hoffmann, Christian; Rostalski, Philipp: Forschungsnahe aktuelle Artikel des IME
 - Verschiedene: Forschungsnahe aktuelle Artikel
     |  
    Sprache: - Wird nur auf Englisch angeboten
  
  |  
    Bemerkungen:Zulassungsvoraussetzungen zur Belegung des Moduls:  - Keine    Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):  - Erfolgreiche Bearbeitung von Übungen gemäß Vorgabe am Semesteranfang    Modulprüfung(en):  - RO4500-L1: Advanced Control and Estimation, Eine mündliche Prüfung über die Inhalte beider Teilmodule, 40min, 100% der Modulnote  - RO4500-S: Seminar Advanced Control and Estimation, muss bestanden sein   |  
   Letzte Änderung: 7.10.2021  |  
 
 
	
für die Ukraine