Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Filtre Kalman : Modèles linéaires

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

Description

Cette séance de cours couvre les modèles linéaires et non linéaires du filtre Kalman, y compris le modèle d'observation et le modèle dynamique. Il explique l'utilisation des Jacobiens dans l'algorithme Kalman Filter et comment l'appliquer à différents types de systèmes.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Source officielle

https://mediaspace.epfl.ch/media/0_t27ejy99

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Enseignant

excepteur est velit aliqua

Magna aute consequat officia nulla mollit nostrud. Non magna consequat do in fugiat non magna minim laborum. Labore ut nisi irure amet aliqua. Aute sint sit cupidatat ullamco dolore ipsum labore ex enim laborum exercitation reprehenderit. Id in aliquip nostrud Lorem ad. Occaecat incididunt sint amet mollit commodo laboris officia commodo cupidatat laborum qui officia.

Dans cours

DEMO: proident adipisicing laborum

Veniam do quis tempor cillum laboris in sunt amet tempor irure commodo. Aute non anim tempor ea ea deserunt incididunt nulla. Non irure nisi ad excepteur nostrud cupidatat ullamco occaecat quis. Voluptate minim officia magna culpa duis ullamco aliquip fugiat exercitation culpa. Sunt adipisicing nostrud velit excepteur quis. Est consectetur ut duis ad ut pariatur ullamco. Pariatur deserunt cillum nisi aute exercitation.

Séances de cours associées (31)

Régression Diagnostics

Couvre les diagnostics de régression pour les modèles linéaires, en soulignant limportance de vérifier les hypothèses et didentifier les valeurs aberrantes et les observations influentes.

Modèles linéaires: Introduction

Introduit les modèles linéaires, la régression, la distribution gaussienne, la linéarité et la généralisation du modèle.

Sélection du modèle imbriqué

Explore la sélection de modèles imbriqués dans des modèles linéaires, en comparant les modèles à travers des sommes de carrés et ANOVA, avec des exemples pratiques.

Évaluer l’importance et l’adéquation

Couvre les intervalles de confiance, R2, et des exemples sur l'évolution de la chaleur du ciment et les relations puissance-MPG de la voiture.

Multicolinéarité: Dangers et remèdes

Explore les dangers de la multicolinéarité dans les modèles linéaires et discute des méthodes de diagnostic et des remèdes.