Foram encontradas 57.071 questões.
- Fundamentos de ProgramaçãoAlgoritmosAnálise de Execução de Algoritmos
- Fundamentos de ProgramaçãoComplexidade
A utilização de Filtros de Kalman clássicos (Kalman Filters - KF) ou
estendidos (Extended Kalman Filters - EKF) para a assimilação de
dados envolve dificuldades práticas.
Com relação a essas dificuldades, analise as afirmativas a seguir.
I. O EKF é o método otimizado para a assimilação de dados sequencial de um modelo dinâmico linear n-dimensional, sendo o KF apropriado apenas para sistemas unidimensionais.
II. O uso do KF e do EKF em modelos dinâmicos que contam com vetores de estados com muitas dimensões requer alta capacidade computacional e de armazenamento, tornando-os práticos apenas para modelos simplificados, de baixa dimensionalidade.
III. A linearização de modelos não lineares envolve a aproximação de funções matemáticas com o truncamento de séries, o que pode gerar erros de propagação de covariâncias, especialmente em modelos de alta dimensionalidade.
Está correto o que se afirma em
Com relação a essas dificuldades, analise as afirmativas a seguir.
I. O EKF é o método otimizado para a assimilação de dados sequencial de um modelo dinâmico linear n-dimensional, sendo o KF apropriado apenas para sistemas unidimensionais.
II. O uso do KF e do EKF em modelos dinâmicos que contam com vetores de estados com muitas dimensões requer alta capacidade computacional e de armazenamento, tornando-os práticos apenas para modelos simplificados, de baixa dimensionalidade.
III. A linearização de modelos não lineares envolve a aproximação de funções matemáticas com o truncamento de séries, o que pode gerar erros de propagação de covariâncias, especialmente em modelos de alta dimensionalidade.
Está correto o que se afirma em
Provas
Questão presente nas seguintes provas
Filtros Bayesianos são métodos usados para estimar o estado de um
sistema dinâmico que seja observado por meio de medidas com
incertezas. Entre os algoritmos utilizados para implementação de
filtros Bayesianos, pode-se citar o Filtro de Kalman clássico, aplicável
a sistemas de modelos lineares e com distribuições Gaussianas de
probabilidade.
Nesse contexto, assinale a opção que indica uma das características do Filtro de Kalman clássico.
Nesse contexto, assinale a opção que indica uma das características do Filtro de Kalman clássico.
Provas
Questão presente nas seguintes provas
Seja um modelo dinâmico discreto unidimensional de caminhada aleatória dado por:
\( X+k = X_{k-1} + q_{k-1}, q_{k-1}\sim N(0,Q)\)
\(y_k = X_k + r_k, r_k \sim N(0,Q) \)
Em que \( x_k \) e \( y_k \) são, respectivamente, o estado a ser estimado e a medição no tempo \( k \). As variáveis aleatórias \( q_k \) e \( r_k \) possuem distribuição normal com média nula e variâncias \( Q \) e \( R \), respectivamente, ambas iguais a 1. Assuma, ainda, que a distribuição de probabilidade do estado no tempo \( k \) independe da distribuição de probabilidade dos estados anteriores (i.e., o sistema atende à propriedade de Markov).
Em um determinado instante de tempo \( k − 1 \), o estado estimado por um filtro de Kalman é dado por 2,5 e sua variância é estimada em 1,0.
No instante de tempo \( k \), obtém-se uma medição igual a 3,1.
Após se agregar a informação proveniente da medição no tempo \( k \), o valor estimado da variância do estado para esse mesmo instante \( k \) será
Provas
Questão presente nas seguintes provas
- Fundamentos de ProgramaçãoAlgoritmosConceitos Básicos de Algoritmos
- Fundamentos de ProgramaçãoEstruturas de Dados
Seja um modelo dinâmico discreto unidimensional de caminhada
aleatória dado por:
Em que xk e yk são, respectivamente, o estado a ser estimado e a
medição no tempo k. As variáveis aleatórias qk e rk possuem
distribuição normal com média nula e variâncias Q e R,
respectivamente, ambas iguais a 1. Assuma, ainda, que a distribuição
de probabilidade do estado no tempo k independe da distribuição
de probabilidade dos estados anteriores (i.e., o sistema atende à
propriedade de Markov).
Em um determinado instante de tempo k − 1, o estado estimado
por um filtro de Kalman é dado por 2,5 e sua variância é estimada
em 1,0.
No instante de tempo k, obtém-se uma medição igual a 3,1.
Provas
Questão presente nas seguintes provas
Seja um modelo dinâmico discreto unidimensional de caminhada
aleatória dado por:
Em que xk e yk são, respectivamente, o estado a ser estimado e a
medição no tempo k. As variáveis aleatórias qk e rk possuem
distribuição normal com média nula e variâncias Q e R,
respectivamente, ambas iguais a 1. Assuma, ainda, que a distribuição
de probabilidade do estado no tempo k independe da distribuição
de probabilidade dos estados anteriores (i.e., o sistema atende à
propriedade de Markov).
Em um determinado instante de tempo k − 1, o estado estimado
por um filtro de Kalman é dado por 2,5 e sua variância é estimada
em 1,0.
No instante de tempo k, obtém-se uma medição igual a 3,1.
Provas
Questão presente nas seguintes provas
- Fundamentos de ProgramaçãoAlgoritmosConceitos Básicos de Algoritmos
- Fundamentos de ProgramaçãoEstruturas de Dados
Seja um modelo dinâmico discreto unidimensional de caminhada
aleatória dado por:
Em que xk e yk são, respectivamente, o estado a ser estimado e a
medição no tempo k. As variáveis aleatórias qk e rk possuem
distribuição normal com média nula e variâncias Q e R,
respectivamente, ambas iguais a 1. Assuma, ainda, que a distribuição
de probabilidade do estado no tempo k independe da distribuição
de probabilidade dos estados anteriores (i.e., o sistema atende à
propriedade de Markov).
Em um determinado instante de tempo k − 1, o estado estimado
por um filtro de Kalman é dado por 2,5 e sua variância é estimada
em 1,0.
No instante de tempo k, obtém-se uma medição igual a 3,1.
Provas
Questão presente nas seguintes provas
Os Filtros Bayesianos são assim chamados por basearem-se na
aplicação do Teorema de Bayes, que relaciona distribuições de
probabilidade a priori com distribuições de probabilidade a
posteriori.
Há dois passos fundamentais para a estimação de estados, onde o primeiro passo está associado ao modelo dinâmico do sistema ou processo, enquanto o segundo passo está associado ao modelo de observações ou sensoriamento.
Neste contexto, os passos são denominados, respectivamente,
Há dois passos fundamentais para a estimação de estados, onde o primeiro passo está associado ao modelo dinâmico do sistema ou processo, enquanto o segundo passo está associado ao modelo de observações ou sensoriamento.
Neste contexto, os passos são denominados, respectivamente,
Provas
Questão presente nas seguintes provas
- Fundamentos de ProgramaçãoAlgoritmosAnálise de Execução de Algoritmos
- Qualidade de SoftwareAtributos de Qualidade de Software
Pesquisadores da área de sistema de assimilação de dados nas
componentes do sistema terrestre resolveram utilizar um método de
minimização variacional utilizando o algoritmo 3D-VAR para
encontrar a solução de um problema de otimização.
Sobre as propriedades numéricas do método utilizado, assinale a afirmativa correta.
Sobre as propriedades numéricas do método utilizado, assinale a afirmativa correta.
Provas
Questão presente nas seguintes provas
Algoritmos de estimação aplicados a assimilação de dados requerem
a solução de um problema de otimização.
Assinale a opção que indica o método que pode ser considerado híbrido.
Assinale a opção que indica o método que pode ser considerado híbrido.
Provas
Questão presente nas seguintes provas
Uma pesquisa sobre a dispersão espacial do risco de ocorrência de
um determinado fenômeno utilizou a estimação Bayesiana como
método de estimação.
Sobre esse método de estimação, assinale a opção correta.
Sobre esse método de estimação, assinale a opção correta.
Provas
Questão presente nas seguintes provas
Cadernos
Caderno Container