Väitös tietotekniikan alalta, M.Sc. Valerii Iakovlev

Väitöskirjan nimi: Deep Learning Methods for Modeling of Spatiotemporal Dynamical Systems Governed by Partial Differential Equations

Tohtoriopiskelija: Valerii Iakovlev
Vastaväittäjä: apulaisprofessori Melih Kandemir, University of Southern Denmark, Tanska
Kustos: professori Harri Lähdesmäki, Aalto-yliopiston perustieteiden korkeakoulu, tietotekniikan laitos

Tässä väitöskirjassa tutkitaan, kuinka tietokoneet voidaan opettaa ymmärtämään ja ennustamaan monimutkaisia, tilassa ja ajassa muuttuvia prosesseja. Spatiotemporaaliset järjestelmät, joihin sisältyy sovelluksia aina sääennusteista liikenteen analyysiin, ovat läsnä kaikkialla jokapäiväisessä elämässä. Kuitenkin syväoppimismallien kouluttamista tällaisille järjestelmille haittaavat usein merkittävät rajoitukset, kuten laajojen tietoaineistojen tarve, riippuvuus jäsennellyistä ja tasaisesti jakautuneista mittauksista sekä epävakaus koulutuksen aikana.

Tässä väitöskirjassa kehitetään uusia menetelmiä näiden rajoitusten ratkaisemiseksi. Kehitetyt menetelmät mahdollistavat monimutkaisempien järjestelmien mallintamisen, joissa data voi olla harvaa, epäsäännöllistä tai puutteellista, ja joissa tarvitaan nopeaa ja luotettavaa koulutusta. Nämä edistysaskeleet ratkaisevat olemassa olevien syväoppimismenetelmien rajoituksia spatiotemporaalisessa mallintamisessa, tuoden syväoppimispohjaiset ratkaisut lähemmäksi todellisia sovelluksia. Kehityksestä hyötyvät esimerkiksi ilmastotieteen, liikenteen ja biologian alat, mikä johtaa parempiin ennusteisiin, oivalluksiin ja päätöksentekoon.

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/ 

Yhteystiedot:

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