RESUM
Com podem predir la trajectòria d’un objecte en caiguda lliure en un camp gravitacional? L’enfocament clàssic basat en models ho fa resolent una equació diferencial. Obtenir l’equació diferencial, però, requereix coneixements de física i algunes derivacions manuals. A més, l’equació implica paràmetres físics que s’haurien de conèixer o mesurar a priori. Un enfocament alternatiu utilitzant mètodes genèrics d’aprenentatge automàtic requereix en canvi dades observades, ajust d’hiperparàmetres i càlculs substancials. Aquesta xerrada presenta un altre enfocament basat en dades que no requereix coneixements precisos de física, derivacions manuals o paràmetres físics, però que encara explota el coneixement previ que les dades es generen per una equació diferencial lineal de coeficients constants. A diferència dels mètodes d’aprenentatge automàtic, el mètode presentat no implica ajust d’hiperparàmetres, utilitza només cinc trajectòries com a dades i equival a resoldre un sistema d’equacions lineals. L’enfocament també és aplicable a l’anàlisi i control de sistemes lineals generals invariants en el temps, algunes classes de sistemes no lineals i sistemes lineals variables en paràmetres.
PONENT
Ivan Markovsky va obtenir el seu doctorat en Enginyeria Elèctrica a la Katholieke Universiteit Leuven el febrer de 2005. Del 2006 al 2012 va ser professor ajudant a l’Escola d’Electrònica i Ciències de la Computació de la Universitat de Southampton, del 2012 al 2022 professor associat a la Vrije Universiteit Brussel, i des de 2023 professor ICREA al CIMNE. És beneficiari d’una beca inicial ERC «Aproximació estructurada de rang baix: teoria, algoritmes i aplicacions» 2010-2015 i menció honorífica del Premi Householder el 2008. Els seus principals interessos de recerca són els mètodes computacionals per a la teoria de sistemes, la identificació i el control basat en dades en l’entorn conductual.