Kari Rantanen väittelee aiheesta Optimointialgoritmeja graafisten mallien rakenteen oppimiseen
FM Kari Rantanen väittelee keskiviikkona 8.12.2021 aiheesta Optimointialgoritmeja graafisten mallien rakenteen oppimiseen. Väitöskirjatyö on osa Helsingin yliopiston tietojenkäsittelytieteen osastolla ja Constraint Reasoning and Optimization -ryhmässä tehtävää tutkimusta.

FM Kari Rantanen väittelee keskiviikkona 8.12.2021 klo 15 etäyhteyden kautta aiheesta Optimization Algorithms for Learning Graphical Model Structures. Vastaväittäjänä toimii professori Peter van Beek (University of Waterloo, Kanada) ja kustoksena apulaisprofessori Matti Järvisalo (Helsingin yliopisto). Väitöstilaisuus pidetään englanniksi. Väitöstilaisuutta voi seurata suorana verkkolähetyksenä osoitteessa https://helsinki.zoom.us/j/68883114243.

Kari Rantasen väitöskirja on osa Helsingin yliopiston tietojenkäsittelytieteen osastolla ja Constraint Reasoning and Optimization -ryhmässä tehtävää tutkimusta. Väitöskirjatyön ohjaajina ovat toimineet apulaisprofessori Matti Järvisalo ja yliopistotutkija, dosentti Antti Hyttinen (Helsingin yliopisto).

Optimointialgoritmeja graafisten mallien rakenteen oppimiseen

Graafiset mallit ovat yleisesti käytetty lähestymistapa todennäköisyysjakaumien esittämiseen. Rakenteeltaan ne ovat verkkoja, joissa solmut kuvaavat jakauman satunnaismuuttujia ja solmujen väliset kaaret esittävät muuttujien välisiä tilastollisia riippuvuussuhteita. Verkkorakenne mahdollistaa erilaisten jakaumaa koskevien päättely- ja ennustustehtävien tehokkaan ratkaisemisen sekä jakauman esittämisen tiiviissä muodossa.

Tässä väitöskirjassa esitetään uusia rakenteenoppimisalgoritmeja kolmelle graafiselle malliluokalle: hajoaville malleille (engl. decomposable models), maksimaalisille esivanhempiverkoille (engl. maximal ancestral graphs) sekä syklejä ja piilomuuttujia sisältäville syy-seuraussuhdeverkoille. Rakenteen oppiminen näille malliluokille on osoittautunut laskennallisesti vaativaksi ongelmaksi.

Erityisesti tässä työssä keskitytään kehittämään eksakteja optimointialgoritmeja, jotka takaavat löydettyjen rakenteiden optimaalisuuden. Lisäksi hajoavien mallien tapauksessa esitetään epäeksakti paikallishakumenetelmä, joka mahdollistaa verrattain hyvien rakenteiden oppimisen huomattavasti suuremmille muuttujamäärille. Käytännössä työssä kehitetyt algoritmit löytävät hyviä rakenteita entistä tehokkaammin.

Väi­tös­kir­jan saa­ta­vuus

Väitöskirjan elektroninen versio on saatavilla Helsingin yliopiston e-thesis-palvelussa osoitteessa http://urn.fi/URN:ISBN:978-951-51-7750-6.

Painettuja väitöskirjoja voi tiedustella väittelijältä itseltään: kari.rantanen@helsinki.fi.