SKALSKÝ, O. Bayesovské přístupy pro adaptivní identifikaci systémů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.
Předložená diplomová práce se zabývá bayesovskou identifikací parametrů časově proměnného regresního modelu. Podrobněji je v práci analyzována kvalita sledování nemodelovaných změn parametrů dosažená jednotlivými algoritmizacemi na základě nepřesných měřeních zatížených šumem. Student uvádí systematický přehled existujících algoritmů umožňujících kompenzaci absence modelu vývoje parametrů, jednotlivé algoritmy rigorózně odvozuje s použitím bayesovkých paradigmat a teorií optimalizace a provádí jejich zajímavé srovnání. Empirické porovnání jednotlivých algoritmů je realizováno v programu MATLAB/Simulink, a to na syntetických i reálných datech. Výsledkem diplomové práce je podrobná analýza uplatnitelnosti dílčích algoritmů v nestacionárních systémech, která má mimořádný aplikační potenciál pro realizaci adaptivních řídicích systémů, detekci a lokalizaci poruch. Po typografické stránce je práce zpracována na velmi dobré úrovni. Musím ocenit studentovu píli, samostatnost a schopnost porozumět náročné problematice, která významně přesahuje teoretický rámec studia. Zadání bylo splněno. Diplomant prokázal své inženýrské schopnosti, práci doporučuji k obhajobě s hodnocením výborně.
Posudek je přiložen ve formátu pdf.
eVSKP id 160100