ÄûÃʵ¼º½

Väitöskirjan nimi: Detecting changes in distributions in large-scale streaming data

³Õä¾±³Ù³Ù±ð±ô¾±Âáä: Topi Halme
³Õ²¹²õ³Ù²¹±¹Ã¤¾±³Ù³ÙäÂáä³Ù:&²Ô²ú²õ±è;Prof. Urbashi Mitra, University of Southern California, Yhdysvallat ja Prof. Pierluigi Salvo Rossi, NTNU, Norja
Kustos: Prof. Visa Koivunen, Aalto-yliopiston sähkötekniikan korkeakoulu, informaatio- ja tietoliikennetekniikan laitos

Äkillisten muutosten ja poikkeamien nopea havaitseminen reaaliaikaista datavirroista on keskeinen ongelma monella sovellusalalla. Jotta esimerkiksi tietoliikennejärjestelmät, ympäristönseuranta tai sähköverkko voivat toimia mahdollisimman tehokkaasti, on äkilliset tilastolliset muutokset ja häiriöt havaittava kohinan seasta mahdollisimman nopeasti ja luotettavasti. 

Tämä väitöstutkimus käsittelee muutosten havaintaa tilanteissa, jossa monitoroitavia datavirtoja on useita rinnakkain, esimerkiksi sensorihavaintoja eri alueellisista sijainneista tai taajuuskanavilta. Riippuen sovelluksesta, muutos voi tapahtua yhdessä tai useammassa virrassa, joko samanaikaisesti tai eri aikaan eri paikoissa. Muutoksenhavaintaongelmaa on alan kirjallisuudessa tutkittu laajalti, mutta vähemmän usean datavirran korkeaulotteisessa tilanteessa, joka esittää omat erityiset haasteensa. 

Muutoksenhavaintaongelmassa on tapahtuma-ajan lisäksi havaintojen muutoksen jälkeinen todennäköisyysmalli usein tuntematon. Kun datavirtoja on useita, myös mahdollisten todennäköisyysmallien joukko on suurempi, mikä hidastaa havaitsemista. Tutkimuksessa osoitetaan, että tietynlaisia kutistusestimaattoreita käyttäen tuntemattomia todennäköisyysmalleja voidaan estimoida tavalla, joka mahdollistaa nopeamman havaitsemisen. 

Ollakseen käyttökelpoinen, muutoksenhavainta-algoritmin on löydettävä muutokset paitsi nopeasti myös siten, että sen käyttäjä pystyy määrittämään haluamansa ylärajan väärien hälytysten yleisyydelle. Kirjallisuudessa perinteisesti käytetyt mittarit virheiden yleisyydelle eivät kuitenkaan kuvaa päätöksenteon laatua kaikkein parhaiten monen datavirran tilanteessa, jossa päätöksiä saatetaan tehdä samanaikaisesti eri sensoreille tai paikoille. Tutkimuksessa johdetaan päätöksentekoalgoritmejä, joilla pystytään kontrolloimaan väärien hälytysten osuutta kaikista hälytyksistä, mikä on kriteerinä intuitiivinen ja hyvin skaalautuva. 

Lisäksi tarkastellaan tilannetta, joissa muutoksen aiheuttaa avaruudellisesti laajeneva ilmiö, kuten etenevä radioaalto tai luonnononnettomuus. Tällaisten ilmiöiden havainta mallinnetaan muutoksenhavaintaongelmana, ja johdetaan algoritmi jolla osoitetaan olevan tiettyjä optimaalisuusominaisuuksia. 

Kokonaisuutena tutkimuksen tuloksena syntynyttä teoriaa ja menetelmiä voidaan hyödyntää tehokkaampien, luotettavampien ja tulkittavampien reaaliaikaisten seuranta- ja päätöksentekojärjestelmien kehittämiseen.

Avainsanat: sekventiaalinen päätöksenteko, muutoksenhavainta, signaalinkäsittely

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 7 päivää ennen väitöstä):  

Yhteystiedot:
topi.halme@aalto.fi