Interpretable spatio-temporal networks for modeling and forecasting societal events
Toplumsal olayların modellenmesi ve tahmini için yorumlanabilir uzay-zamansal ağlar
- Tez No: 610913
- Danışmanlar: DOÇ. DR. TUĞBA TAŞKAYA TEMİZEL, DOÇ. DR. YU-RU LİN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 125
Özet
Bireysel etkinlikler ve toplumsal olaylar (örneğin göçler, sosyal hareketler gibi) arasındaki ilişkiler, çeşitli sosyal, zamansal ve mekansal faktörler nedeniyle karmaşıktır. Bu tür ilişkileri, sokak protestoları ve opioid krizleri gibi çeşitli toplumsal olaylar bağlamında anlamak ve bu olayları tahmin etmek, kamu politikaları ve yetkililerin karar vermelerini desteklemede önemlidir. Bu tezde, (i) toplumsal olayları öngörmek ve (ii) toplumsal olaylar ile onların sosyal ve coğrafi bağlamları arasındaki ilişkileri incelemeye yardımcı olmak için yeni, uzay-zamansal, derin öğrenme ağları önerilmektedir. Önerilen modeller, yeni bir dikkat çeken ağ tasarımı ile yerel (bir konumdan gözlenen) ve küresel (tüm konumlardan gözlenen) faaliyetler arasındaki karmaşık etkileşimleri modellemektedir. Bu modeller, gelecekteki toplumsal olayların oluşumunu öngörebilir ve hangi özniteliklerin, hangi yerlerden ve olay tahminine nasıl katkıda bulunduklarını yorumlamaya izin verirler. Bu tez kapsamında, önerilen ağları değerlendirmek için, toplumsal hareketler ve opioid doz aşımı olmak üzere iki farklı popülasyon düzeyinde toplumsal olayda, çoklu veri setleri üzerinde kapsamlı deneyler yapılmıştır. Sonuçlar, önerilen modellerin karşılaştırılan yöntemlerden daha iyi tahmin performansı sağladığını göstermektedir. Ayrıca, önerilen modeller (i) hangi yerel ve küresel faaliyet özniteliklerin daha öngörücü olduğu, (ii) hangi konumların daha belirgin katkıları olduğu ve (iii) bu konumların daha sonraki olayları tahmin etmeye nasıl katkıda bulunduğu hakkında anlamlı yorumlar sağlamaktadır.
Özet (Çeviri)
The relationships between individual activities and societal events (e.g. migrations, social movements) are complex due to the various social, temporal and spatial factors. Understanding such relationships in the context of various societal events such as street protests and opioid crisis, and forecasting these events are important as they have great impacts on public policies and supporting decision making of authorities. In this thesis, novel, spatio-temporal, deep neural networks are proposed (i) to forecast societal events and (ii) to help examine the relationships between societal events and their social and geographical contexts. The proposed models are designed to model the complex interactions between local (observed from within a location) and global (observed from all locations) activities by incorporating a new design of attentional networks. They are capable of forecasting the occurrence of future societal events and allow for interpreting what features, from which places, and how they contribute to event forecasting. Within the scope of this thesis, extensive experiments are conducted to evaluate the proposed networks on two different types of population-level societal events, namely social movements and opioid overdoses, with multiple datasets. The results indicate that the proposed models achieve superior forecasting performance than the compared methods. Also, they provide meaningful interpretations in terms of (i) what local and global activity features are more predictive, (ii) what locations have more salient contributions, and (iii) how these locations contribute to forecasting the subsequent events.
Benzer Tezler
- Spatiotemporal modeling using machine learning
Yapay öğrenme ile uzam-zamansal modelleme
ÇİĞDEM AK
Doktora
İngilizce
2019
Halk SağlığıKoç ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. MEHMET GÖNEN
PROF. DR. MEHMET ÖNDER ERGÖNÜL
- Interpretable fields in ACF
Cebirsel kapalı cisimlerde yorumlanabilir cisimler
ZEYNEP KISAKÜREK
Yüksek Lisans
İngilizce
2017
MatematikGalatasaray ÜniversitesiMatematik Ana Bilim Dalı
YRD. DOÇ. DR. SERGE RANDRIAMBOLOLONA
- Interpretable cancer stage classification using sparse bayesian neural networks
Seyrek bayesian sinir ağları ile yorumlanabilir kanser evre sınıflandırması
HAZAL HASRET YURDAKUL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET GÖNEN
- Optimize edilmiş derin öğrenme modelleriyle yorumlanabilir ve doğru akıllı şebeke kararlılığı tahmini
Interpretable and accurate smart-grid stability prediction with optimized deep models
TÜRKÜCAN ERDEM
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN EKEN
- Extraction of interpretable decision rules from black-box models for classification tasks
Kategorilendirme amaçlı kapalı kutu modellerden açıklanabilir kural setleri çıkarımı
EGEMEN BERK GALATALI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HANDE ALEMDAR