Väitös informaatiotekniikan alalta, DI Jaakko Luttinen

2015-05-28 12:00:00 2015-05-28 23:59:59 Europe/Helsinki Väitös informaatiotekniikan alalta, DI Jaakko Luttinen Bayesian Latent Gaussian Spatio-Temporal Models http://sci.aalto.fi/fi/midcom-permalink-1e4f3d9464c3b6af3d911e4bf5735ba0f0d6bca6bca Konemiehentie 2, 02150, Espoo

Bayesian Latent Gaussian Spatio-Temporal Models

28.05.2015 / 12:00
sali T2, Konemiehentie 2, 02150, Espoo, FI

Diplomi-insinööri Jaakko Luttinen väittelee torstaina 28.5.2015 klo 12 Aalto-yliopiston perustieteiden korkeakoulun Tietotekniikan talossa, salissa T2, Konemiehentie 2, Espoo. Väitöskirjassa ”Bayesian Latent Gaussian Spatio-Temporal Models” kehitettiin tehokkaita tilastollisia menetelmiä aika-paikka-aineistojen mallintamiseen.

Monista ilmiöistä kerätään valtavia aineistoja, joita tutkimalla ilmiöitä voidaan oppia ymmärtämään paremmin. Muun muassa ilmastoa seurataan mittaamalla ilman lämpötilaa useissa paikoissa esimerkiksi tunnin välein. Tällä tavoin muodostuva aika-paikka-aineisto voi olla kooltaan valtava, jos mittauspaikkoja ja -ajankohtia on paljon. Sellaisen aineiston tutkiminen edellyttää menetelmiä, jotka ovat tehokkaita mutta ottavat kuitenkin huomioon ilmiön monimutkaisen luonteen.

Väitöstyössä kehitettiin tilastollisia menetelmiä, joilla voidaan tutkia suuria aika-paikka-aineistoja. Työssä keskityttiin erilaisiin ilmastoprosesseihin kuten meren pintalämpötilaan ja ilman lämpötilaan. Keskeisiä haasteita tällaisten aineistojen mallintamisessa ovat usein niiden suuri koko, monimutkainen rakenne ja huono laatu. Väitöstyö tarjoaa työkaluja näiden ongelmien ratkaisemiseksi: Kehitetyt menetelmät mahdollistavat aiempaa huomattavasti suurempien aineistojen analysoimisen. Ne pystyvät lisäksi mallintamaan monimutkaisia aika-paikkarakenteita tehokkaasti. Menetelmät ottavat myös huomioon aineiston huonon laadun, joka ilmenee esimerkiksi puuttuvina arvoina ja mittausvirheinä.

Työssä esiteltyjä menetelmiä voi soveltaa ilmastoprosessien lisäksi esimerkiksi moniin muihin fysikaalisiin prosesseihin ja aivokuvantamiseen. Mallintamisen tavoitteena voi olla esimerkiksi tulevien havaintojen ennustaminen, paikkojen välillä interpoloiminen, puuttuvien arvojen täyttäminen tai mittausvirheiden poistaminen.

Väitöstiedote (pdf)

Vastaväittäjä: Professor Mark Girolami, University of Warwick, UK

Kustos: professori Juha Karhunen, Aalto-yliopiston Perustieteiden korkeakoulu, Tietotekniikan laitos

Elektroninen väitöskirja: http://urn.fi/URN:ISBN:978-952-60-6192-4

Perustieteiden korkeakoulun väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/52