Tieto- ja viestintätekniikan ammattilaiset TIVIA ry | Finnish Information Processing Association

                                   

Bayes-verkot auttavat big datan rakenteiden ymmärtämistä

Tietotekniikan Tutkimussäätiö on myöntänyt Tietojenkäsittelytieteen Seuran esityksestä vuoden 2016 väitöskirjapalkinnon FT Teppo Niinimäelle hänen Helsingin yliopiston tietojenkäsittelytieteiden laitokselle tekemästään väitöskirjasta "Approximation Strategies for Structure Learning in Bayesian Networks” (”Likimääräisiä strategioita Bayes-verkkojen oppimiseen”). Lisäksi Tietojenkäsittelytieteen Seura antaa erityismaininnan FT Ilkka Törmän väitöskirjatutkimukselle "Structural and Computational Existence Results for Multidimensional Subshifts".

Teppo Niinimäen väitöskirja sai Tietotekniikan Tutkimussäätiön väitöskirjapalkinnon

Tietotekniikan Tutkimussäätiö on myöntänyt Tietojenkäsittelytieteen Seuran esityksestä vuoden 2016 väitöskirjapalkinnon FT Teppo Niinimäelle hänen Helsingin yliopiston tietojenkäsittelytieteiden laitokselle tekemästään väitöskirjasta "Approximation Strategies for Structure Learning in Bayesian Networks” (”Likimääräisiä strategioita Bayes-verkkojen oppimiseen”).

Niinimäki tarkastelee työssään rakenteiden oppimista Bayes-verkoilla suuresta datasta, joka on eräs koneoppimistutkimuksen tämän hetken keskeisimmistä ongelmista. Bayes-verkko on malli, jolla voidaan päätellä tapahtumien todennäköisyyksiä muuttujien välisten riippuvuuksien pohjalta. Esimerkiksi lääketieteessä voidaan laskea todennäköisyyksiä eri sairauksille käytettävissä olevien testitulosten ja taustamuuttujien pohjalta. Koska verkot ovat myös ihmisen hahmotettavissa, niiden avulla voidaan myös yrittää ymmärtää ongelmakenttää.

Bayes-verkko voidaan rakentaa manuaalisesti tai oppia automaattisesti. Verkon rakenne on vaikea oppia, kun taas paikalliset todennäköisyydet on helppo rakentaa opetusdatasta. Työssään Niinimäki on keskittynyt vaikeampaan ongelmaan eli rakenteen oppimiseen. Lähestymistapana hänellä on rakenteen bayesiläinen oppiminen, jossa lasketaan posterioritodennäköisyyksiä mahdollisille rakenteille. Koska mahdollisia rakenteita muodostuu liikaa täydelliseen oppimiseen, työssä sovelletaan likimääräistä oppimista, jolloin laajojen verkkojen opettaminen on mahdollista.

Työ perustuu viiteen alkuperäisjulkaisuun, joissa Teppo Niinimäki on kaikissa ensimmäinen kirjoittaja, ja joista jokainen on julkaistu alan parhaimmilla foorumeilla.

Työ sai molemmilta esitarkastajilta ja vastaväittäjän suotuisat lausunnot ja arvosanan kiittäen hyväksytty.

Palkinto luovutettiin Tietojenkäsittelytieteen päivillä Tampereella 9.6.2016.

Erityismaininta Ilkka Törmälle

Lisäksi Tietojenkäsittelytieteen Seura antaa erityismaininnan FT Ilkka Törmän väitöskirjatutkimukselle "Structural and Computational Existence Results for Multidimensional Subshifts".

Törmä tarkastelee väitöskirjatutkimuksessaan useampiulotteisia symbolidynamiikan järjestelmiä ja ratkaisee työssään useampia alalla esitettyjä avoimia ongelmia hyödyntämällä useita matematiikan osa-aloja. Työ on monografia, mutta perustuu useisiin osajulkaisuihin, jotka on julkaistu teoreettisen tietojenkäsittelytieteen keskeisissä konferensseissa ja lehdissä. Törmä on tehnyt työnsä itsenäisesti kolmessa vuodessa ja se palkittiin arvosanalla kiittäen hyväksytty.

Erikseen todettakoon, että apul. prof. Tapio Pahikkala jääväsi itsensä lopullisesta päätöksenteosta, koska yksi kärkiehdokkaista oli hänen edustamastaan tiedekunnasta.

Palkintoraati:

Apul. prof. Tapio Pahikkala, Turun yliopisto (tietojenkäsittelytiede)
Prof. Ion Petre, Åbo Akademi (tietojenkäsittelytiede)
Prof. emer. Kari-Jouko Räihä, Tampereen yliopisto (tietojenkäsittelytiede)

Kuvia: http://kaikuhelsinki.kuvat.fi/kuvat/Tivia

Lisätietoja:

Teppo Niinimäki
teppo.niinimaki(at)helsinki.fi

Hannu-Matti Järvinen
Tietojenkäsittelytieteen Seuran puheenjohtaja
puheenjohtaja(at)tkts.fi

 

kategoriassa Uutiset
Jaa tämä kirjoitus
Tunnisteet
Arkistoi