Geri Dön

Modeling non-stationary dynamics of spatio-temporal sequences with self-organizing point process models

Kendini düzenleyen noktasal süreç modelleri ile uzay-zamansal dizilerin durağan olmayan dinamiklerini modelleme

PDF İndir

  1. Tez No: 674923
  2. Yazar: OĞUZHAN KARAAHMETOĞLU
  3. Danışmanlar: PROF. DR. SÜLEYMAN SERDAR KOZAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Doğrusal olmayan zaman serileri, Makine öğrenmesi, Zaman-mekan modellemesi, Non-linear time series, Machine learning, Spatio-temporal modelling
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Uzay-zamansal tahmin uygulamaları için serilerin değişken dinamiklerini modelleme problemini çalışmaktayız. Uzay-zamansal serilerin modellenmesi, doğal afet, sosyal medya ve suç olaylarını tahmin etme gibi birçok önemli uygulamada kullanılmaktadır. Bu problem bir çok araştırmaya konu olsa da birçok çalışma değişken dinamikler ve seyreklik gibi gerçek veriler üzerinde gözlemlenen durumları incelememektedir. Uzayda ve zamanda değişebilen dağılımları modelleyen yeni bir algoritma sunmaktayız. Algoritmamız verinin seyrekliğinden bağım-sız olarak çalışabilmekte ve doluluk oranı değişebilen serilerde çalışabilmektedir. Uzaysal düzlemi bir karar ağacı ile, her düğüm bir bölgeye karşı gelecek şekilde, bölmekteyiz. Uzaysal düzlemdeki farklı yerlerdeki olay dağılımlarını bireysel fakat etkileşimli noktasal süreç modelleri ile modellemekteyiz. Algoritmamız hem karar ağaçlarını hem de noktasal süreç parametrelerini birlikte gradyan tabanlı bir süreç ile optimize etmektedir. Yaklaşımımızı istatistiksel, olasılıksal ve derin öğrenme tabanlı modeller ile karşılaştırmaktayız, ve deprem ve suç olayları kayıtları gibi gerçek veriler üzerinde en iyi tahmin performansını elde ettiğini göstermekteyiz.

Özet (Çeviri)

We investigate the challenging problem of modeling the non-stationary dynamics of spatio-temporal sequences for prediction applications. Spatio-temporal sequence modeling has critical real-life applications such as natural disaster, social, and criminal event prediction. Even though this problem has been thoroughly studied, many approaches do not address the non-stationarity and sparsity of the spatio-temporal sequences, which are frequently observed in real-life sequences. Here, we introduce a novel prediction algorithm that is capable of modeling non-stationarity in both time and space. Moreover, our algorithm can model both densely and sparsely populated sequences. We partition the spatial region with a decision tree, where each node of the tree corresponds to a subregion. We model the event occurrences in different subregions in space with individual but inter-acting point processes. Our algorithm can jointly optimize the partitioning tree and the interacting point processes through a gradient-based optimization. We compare our approach with statistical models, probabilistic approaches, and deep learning-based approaches, and show that our model achieves the best forecasting performance on real-life datasets such as earthquake and criminal event records.

Benzer Tezler

  1. Tez No

    311230

    Neuroimaging of brain activity using spatio-temporal signal modelling

    Uzay-zamansal işaret modelleme ile beyin etkinliğinde nörogörüntüleme

    ADİL DENİZ DURU

    Doktora

    İngilizce

    İngilizce

    2012

    BiyomühendislikBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ADEMOĞLU

  2. Tez No

    753040

    Lifelong learning for auditory scene analysis

    İşitsel sahne analizi için hayat boyu öğrenme

    BARIŞ BAYRAM

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN İNCE

  3. Tez No

    988545

    A multiscale computational study to elucidate dynamics, reactivity, and inhibition of enzymes

    Enzimlerin dinamiğinin, reaktivitesinin ve inhibisyonunun aydınlatılmasına yönelik hesaplamalı bir çalışma

    ERDEM ÇİÇEK

    Doktora

    İngilizce

    İngilizce

    2025

    Kimyaİstanbul Teknik Üniversitesi

    Hesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. FETHİYE AYLİN SUNGUR

  4. Tez No

    836756

    Probabilistic investigation of non-equilibrium neural network and decision-making models

    Denge dışı sinir ağlarının ve karar verme modellerinin olasılığa dayalı incelenmesi

    NEMATOLLAH FARHADIMAHALLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Fizik ve Fizik MühendisliğiKoç Üniversitesi

    Fizik Ana Bilim Dalı

    DOÇ. DR. ALKAN KABAKÇIOĞLU

  5. Tez No

    478599

    Konutsal yüklerin zıp modellerinin elde edilmesi

    Determination of zip coefficients for residential loads

    MEHMET BİRCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BEDRİ KEKEZOĞLU

Geri Dön