Geri Dön

Bayesian methods for tackling complex inferential problems in data science

Veri biliminde karmaşık çıkarım problemleriyle uğraşmak için Bayes yöntemleri

PDF İndir

  1. Tez No: 928826
  2. Yazar: SONER AYDIN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SİNAN YILDIRIM
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, İstatistik, Industrial and Industrial Engineering, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 150

Özet

Bayes yöntemleri, veri bilimindeki çeşitli tahmin ve çıkarım problemlerini modelleme, çözme ve analiz etmede ilkeli bir yolu kapsar. Bu tezde, çok çeşitli çıkarımsal problemleri ele almak için, arka örnekleme, karışım modelleri için EM algoritması, ön olasılık tahmini için alt örnekleme gibi çeşitli Bayes yöntemlerini kullanıyoruz. Bu problemler arasında, denetlenen öğrenmede düzenlenmiş doğrusal modellerde hiperparametre ayarlama, gürbüz regresyon, küresel ve yerel diferansiyel mahremiyet çerçeveleri altında dinamik/çevrimiçi veri kümeleri için frekans tahmini yer alır. Bu problemlerin her biri için, örnekleme ve alt örneklemeyi kullanarak bu görevleri hesaplama açısından daha verimli bir şekilde gerçekleştirirken, tahmin doğruluğu açısından mevcut yaklaşımlarla rekabet edebilen yeni algoritmalar öneriyoruz. Her algoritmayla birlikte, tahmin performanslarını gösteren hem teorik analizler hem de sayısal deneyler sağlıyoruz.

Özet (Çeviri)

Bayesian methods encompass a principled way of modeling, solving and analyzing various estimation and inference problems in data science. In this dissertation, we utilize a variety of Bayesian methods, such as posterior sampling, EM algorithm for mixture models, subsampling for prior probability estimation, to tackle a wide range of inferential problems. These problems include hyperparameter tuning in regularized linear models in supervised learning, robust regression, frequency estimation for dynamic/online datasets under global and local differential privacy frameworks. For each of these problems, we propose new algorithms that can compete with the existing approaches in terms of estimation accuracy, while performing these tasks in a computationally more efficient way via utilizing sampling and subsampling. Along with each algorithm, we also provide both theoretical analyses and numerical experiments that demonstrate their estimation performance.

Benzer Tezler

  1. Tez No

    246269

    Bayesian methods for deconvolution of sparse processes

    Seyrek süreçlerin ters evrişimi için Bayesçi yöntemler

    SİNAN YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    DR. ALİ TAYLAN CEMGİL

    PROF. AYŞIN BAYTAN ERTÜZÜN

  2. Tez No

    270492

    Bayesian methods for real-time pitch tracking

    Gerçek zamanlı nota takibi için Bayesçi yöntemler

    UMUT ŞİMŞEKLİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ALİ TAYLAN CEMGİL

  3. Tez No

    593373

    Bayesian methods for network traffic analysis

    Ağ trafiği analizi için bayesçi metodlar

    BARIŞ KURT

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ TAYLAN CEMGİL

  4. Tez No

    488359

    Bayesian methods for segmentation of objects from multimodal and complex shape densities using statistical shape priors

    Çok doruklu ve karmaşık şekil dağılımlarından gelen nesnelerin istatistiksel şekil ön bilgisi kullanarak bölütlenmesi için Bayesçi yaklaşımlar

    ERTUNÇ ERDİL

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. MÜJDAT ÇETİN

    DOÇ. DR. DEVRİM ÜNAY

  5. Tez No

    846949

    Bayesian inference methods for detection of power systemoscillations

    Güç siıstemi salınımlarını algılamada Bayes çıkarımı yöntemleri

    ALİ ÜNVER SEÇEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. UMUT ORGUNER

Geri Dön