M.Eng. Ghazaleh Kia puollustaa väitöskirjaansa "Utilization of Machine Learning Algorithms and Radio Frequency Signals to Remove the Barriers of Low-Cost Accurate Seamless Localization" tiistaina 9.4.2024 klo 13 Helsingin yliopiston Chemicum-rakennuksen auditoriossa A129 (A.I. Virtasen aukio 1, 1. krs). Vastaväittäjänä toimii apulaisprofessori Stephan Sigg (Aalto-yliopisto) ja kustoksena professori Hannu Toivonen (Helsingin yliopisto). Väitöstilaisuus pidetään englanniksi.
Ghazaleh Kian väitöskirja on osa Helsingin yliopiston tietojenkäsittelytieteen osastolla ja Tampereen yliopiston sähkötekniikan yksikössä tehtävää tutkimusta. Väitöskirjatyön ohjaajana on toiminut yliopistonlehtori Jukka Talvitie (Tampereen yliopisto).
Koneoppimisalgoritmien ja radiotaajuussignaalien käyttäminen edulliseen, tarkkaan ja saumattomaan paikannukseen
Langattomien teknologioiden nopea kehitys avaa uusia mahdollisuuksia paikannuksen parantamiseen. Koska uudet teknologiat tuovat käyttöön yhä monimutkaisempaa signaalidataa, ne myös tuottavat metodologisia kehitystarpeita koneoppimiselle ja tekoälylle. Tämä väitöskirja aloittaa yleiskuvalla tarkan paikannuksen haasteista painottuen potentiaalisiin nouseviin teknologioihin, ja sen jälkeen valjastaa innovatiiviset koneoppimismenetelmät ratkaisemaan näitä haasteita taloudellisesti toteuttamiskelpoisella ratkaisulla.
Tässä tutkimuksessa korostetaan tarvetta nykyisten paikannusratkaisujen parantamiseksi uusien langattomien teknologioiden avulla. Paikannuksen näkökulmasta työn ensisijainen tavoite on ehdottaa vaihtoehtoisia kustannustehokkaita, nopeita ja tarkkoja ratkaisuja paikannusskenaarioihin, joissa olemassa olevat ratkaisut osoittautuvat taloudellisesti kohtuuttomiksi tai kriittisissä käyttökohteissa tarkkuudeltaan riittämättömiksi. Tietoliikenteen näkökulmasta väitöskirja tutkii uusia radiotaajuusteknologioita, jotka tarjoavat mahdollisuuksia tarkentaa paikannusta. Koneoppimisen ja tekoälyn osalta tutkimus pyrkii ottamaan käyttöön parhaiten sopivat algoritmit vastatakseen tehokkaasti radiotaajuusdataan liittyviin haasteisiin. Erityisesti tutkimus pyrkii löytämään tehokkaan ratkaisun, joka on sekä kustannustehokas että tarkkaan paikannukseen kykenevä.
Väitöskirja käsittelee saumattoman paikannuksen käsitettä rajaamalla sen kolmeen erilliseen vaiheeseen. Ensimmäinen vaihe tutkii tarkan sisätilapaikannuksen ongelmia ja esittää uuden paikannusratkaisun keskittyen sensorifuusioon ja siihen liittyviin uusiin menetelmiin ja algoritmeihin. Toinen vaihe esittää uudenlaisen edullisen ja tarkan ulkotilapaikannusratkaisun käyttäen syviä neuroverkkoja ja 5G NR -signaaleita. Viimeinen vaihe esittelee innovatiivisen, infrastruktuurista riippumattoman menetelmän ympäristön tunnistamiseksi, ja mahdollistaa saumattoman paikannuksen sisä- ja ulkotilojen välillä siirryttäessä. Väitöskirjassa esitetyt empiiriset tulokset osoittavat, että koneoppimismenetelmät pystyvät tuottamaan taloudellisia ratkaisuja vaikeisiin paikannusongelmiin hyödyntämällä radiotaajuussignaaleissa piileviä rakenteita. Väitöskirja edistää paikannusmenetelmien kehittämistä; lisäksi siinä tarkastellut näkökulmat luovat synergiaa langattomien teknologioiden, koneoppimisen ja tekoälyn sekä kustannustehokkaiden ratkaisujen välillä ja muodostavat kuvaa tulevaisuuden saumattomasta paikannuksesta.
Väitöskirjan saatavuus
Väitöskirjan elektroninen versio tulee olemaan saatavilla Helsingin yliopiston e-thesis-palvelussa osoitteessa http://urn.fi/URN:ISBN:978-952-84-0112-4.
Painettuja väitöskirjoja voi tiedustella väittelijältä itseltään: ghazaleh.kia@helsinki.fi.