Väitös bioelektroniikan ja laitetekniikan alalta, M.Sc. Zheng Zhao

M.Sc. Zheng Zhao väittelee 10.12.2021 klo 12:00 Aalto-yliopiston sähkötekniikan korkeakoulussa, sähkötekniikan ja automaation laitoksella, salissa AS1, Maarintie 8, Espoo sekä etäyhteydellä Zoomissa. Väitöskirjan nimi on "State-space deep Gaussian processes with applications".

Vastaväittäjä: Prof. Manfred Opper, University of Birmingham, UK
Kustos: Prof. Simo Särkkä, Aalto-yliopiston sähkötekniikan korkeakoulu, sähkötekniikan ja automaation laitos

Väitöstilaisuus järjestetään etäyhteydellä Zoomissa, jonne voi liittyä vapaasti: https://aalto.zoom.us/j/67529212279
Zoom pikaopas: https://www.aalto.fi/fi/palvelut/zoom-pikaopas

Kampuksella tapahtuvassa tilaisuudessa järjestäjä voi tarkistaa koronapassin riippuen osallistujamäärästä (lisätietoja: https://www.aalto.fi/en/study-at-aalto/being-a-doctoral-student-at-aalto, kohdassa väitöstilaisuudet).

Linkki väitöskirjan sähköiseen esittelykappaleeseen: https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/
Sähkötekniikan korkeakoulun väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/53

Väitöstiedote:

Tuntemattomien latentti funktioiden oppiminen datasta (eli regressio) on yleinen ongelma säätötekniikassa, signaalinkäsittelyssä, tilastotieteessä ja koneoppimisessa, esimerkiksi arvioitaessa kohteiden sijaintia niiden tutkamittausten perusteella tai arvioitaessa osakekurssia yrityksen myynnin perusteella. Tässä opinnäytetyössä esitellään luokka yleiskäyttöisiä todennäköisyysmalleja – tila-avaruuden syvä Gaussin prosesseja (SS-DGP)—jotka ovat hyödyllisiä tällaisten tuntemattomien funktioiden mallintamiseen (kuten aiemmin) useissa sovelluksissa. Erityisesti nämä mallit pystyvät käsittelemään epäsäännöllisiä latentti funktioita, joilla on ajallisesti muuttuvat ominaisuudet (esim. gravitaatioaaltojen ajallisesti muuttuvat taajuudet; Doppler-ilmiö voi myös muuttaa signaalin taajuutta ajassa). Lisäksi näiden mallien Markov-ominaisuuden ansiosta niiden regressio-ongelma voidaan ratkaista tehokkaasti lineaarisessa laskenta-ajassa datapisteiden lukumäärän suhteen.

Tässä opinnäytetyössä esitellään myös tilastollinen Taylor-laajennukseen perustuva menetelmä jatkuvan diskreetin Gaussin suodatus- ja tasoitusongelmiin. Tällä menetelmällä voidaan antaa suljetun muodon approksimaatioita mallien stokastisen dynamiikan tilastollisiin suureisiin (esim. keskiarvo ja kovarianssi) mielivaltaisella tarkkuudella. Tämä menetelmä on hyödyllinen myös stokastisten differentiaaliyhtälöiden ja SS-DGP:iden diskretisoinnissa.

Lopuksi tässä opinnäytetyössä on muutamia tila-avaruuden (syvä) Gaussin prosessien sovelluksia. Tämä sisältää esimerkiksi järjestelmän tunnistamisen ja spektro-ajallisen signaalianalyysin.

Väittelijän yhteystiedot: