Väittelijä
Filosofian maisteri Eija Ferreira
Tiedekunta ja yksikkö
Oulun yliopiston tutkijakoulu,
Tieto- ja sähkötekniikan tiedekunta,
tietotekniikan osasto
0294 480 000
Oppiaine
Tietotekniikka
Väitöstilaisuus
11.9.2015 12:00
Väitöstilaisuuden paikka
Linnanmaa, luentosali TS 101
Aihe
Aikasarjatiedon mallinnus ja mallinvalinta koneoppimissovelluksissa
Vastaväittäjä
Apulaisprofessori Daniel Roggen, University of Sussex, UK
Kustos
Professori Juha Röning, Oulun yliopisto
Mallinvalinnalla luotettavuutta ja tehokkuutta käytännön mallinnussovelluksiin
Laskennallisia malleja käytetään laajasti eri tieteenaloilla tietotekniikasta fysiikkaan ja taloustieteistä lääketieteeseen. Mallinvalinta on oleellinen osa minkä tahansa käytännön mallinnusongelman ratkaisua. Parantamalla mallin toimintaa saavutetaan luotettavampia tuloksia ja tarkempia ennusteita mallinnettavan kohteen toiminnasta. Tämä johtaa kustannussäästöihin, mallinnettavan ilmiön parempaan ymmärtämiseen, ja jopa lisääntyneeseen turvallisuuteen sovelluksissa, jossa mallin käytöllä voidaan ehkäistä vaaratilanteita.
Väitöskirjassa tutkitaan, kuinka mallin muodostamiseen käytettävissä olevan aineiston ominaisuudet ja määrä tulisi ottaa huomioon algoritmin valinnassa, ja kuinka mallinvalinta tulisi suorittaa mallin yleistettävyyden ja tulevan suorituskyvyn optimoimiseksi. Työssä käsitellään myös erityisiä rajoitteita ja vaatimuksia tavanomaisten koneoppimismenetelmien soveltamiselle aikasarjatyyppiseen aineistoon.
Työn käytännön tulokset perustuvat koneoppimismenetelmien soveltamiseen kolmella eri tutkimusalueella: pistehitsaus, fyysisen harjoittelun aikaisen energiankulutuksen arviointi sekä kognitiivisen kuormituksen mallintaminen. Väitöskirja tarjoaa näihin tuloksiin pohjautuen yleisiä suuntaviivoja, joita voidaan käyttää apuna lähdettäessä ratkaisemaan uutta mallinnusongelmaa. Työssä pohditaan myös mallin lopullisen toimintaympäristön asettamien käytännön näkökohtien ja rajoitteiden vaikutusta algoritmin valintaan.
VäitöskirjaViimeksi päivitetty: 2.9.2015