Mittauslaitteiden ja tilastollisen koneoppimisen nopean kehittymisen myötä erilaisia pienikokoisia puettavia ja ympäristöön sulautettavia antureita voidaan hyödyntää tilannetiedon - ja erityisesti ihmisen liikkeen ja käyttäytymisen - tunnistamisessa. Tilannetiedon tunnistuksen avulla voidaan kehittää uusia palveluita esimerkiksi älykkäiden ympäristöjen, robotiikan, mobiililaskennan ja terveydenhuollon sovellusalueille.

DI Jaakko Suutalan väitöskirjatyössä on tutkittu menetelmiä, joiden avulla usein epäsuorista ja kohinaisista matalan tason anturimittauksista voidaan automaattisesti oppia päättelemään ja tunnistamaan erilaisia ihmisen liikkeisiin ja käyttäytymiseen liittyviä suureita, kuten henkilöllisyys, sijainti ja aktiviteetti.

Väitöskirjassa esitetään erotteleviin malleihin perustuva viitekehys, jonka avulla nämä suureet voidaan oppia rakenteellisesta, mutta epävarmuutta sisältävästä monianturitiedosta modernin tilastollisen koneoppimisen keinoin. Työssä esitellään uusia laskennallisesti tehokkaita ja tarkkoja menetelmiä aikasarjamuotoisen tiedon käsittelyyn.
 
Väitöskirjassa kehitettyjä menetelmiä sovellettiin ensimmäistä kertaa kävelijöiden ja heidän sijaintinsa tunnistamiseen kahdella erilaisella paineherkällä lattia-anturilla sekä päivittäisten aktiviteettien tunnistamiseen puettavien kiihtyvyysanturien avulla. Ihmisen liikkeisiin liittyvän tilannetiedon tunnistuksessa saavutettiin lupaavia tuloksia, jotka vertautuvat jokapaikan tietotekniikan sovellusalueella aiemmin saavutettuihin tutkimustuloksiin sekä parantavat niitä.

Jaakko Suutala väittelee keskiviikkona 27. kesäkuuta klo 12 alkaen Tietotalo I:n luentosalissa TS 101.