Tilastollista bioinformatiikkatiedon louhintaa
Ryhmä kehittää koneoppimismenetelmiä tiedon louhintaan, informaation visualisointiin ja tilastolliseen mallitukseen. Koneoppimisella tarkoitetaan tässä joustavia malleja, joita voidaan käyttää useissa sovelluksissa.
Menetelmiä kehitetään bioinformatiikan ja tiedonhaun projekteissa, joissa teemme yhteistyötä sovellusalan tutkimusryhmien kanssa. Sovellukset toimivat uusien menetelmien testitapauksina, ja menetelmät puolestaan ratkovat sovellusalan ongelmia.
Ryhmän tutkimuksen tämänhetkisiä painopisteitä ovat diskriminatiivinen generatiivinen mallitus, tiedonlähteiden yhdistäminen mallittamalla niiden riippuvuuksia, ohjattu ohjaamaton oppiminen, ja mallit jotka määrittelevät ja erottavat "relevantteja" signaaleja aineistoista.
Tutkimusryhmä toimii osittain Helsingin yliopiston tietojenkäsittelytieteen laitoksella ja osittain Teknillisessä korkeakoulun informaatiotekniikan laboratoriossa.
Yhteyshenkilö: professori Samuel Kaski
Kotisivu: http://www.cis.hut.fi/projects/mi/
Julkaisuja
Kaski S. & Nikkilä J. & Sinkkonen J. & Lahti L. & Knuuttila J. & Roos C.
Associative clustering for exploring dependencies between functional genomics data sets.
IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2:203-216, 2005.
Kaski S.& Sinkkonen J. & Klami A.
Discriminative clustering. Neurocomputing, 69:18-41, 2005.
Nikkilä J. & Roos C. & Savia E. & Kaski S.
Explorative modeling of yeast stress response and its regulation with gCCA and associative clustering. International Journal of Neural Systems, 15:237-246, 2005.
Oja M. & Sperber G.O. & Blomberg J. & Kaski S.
Self-organizing map- based discovery and visualization of human endogenous retroviral sequence groups. International Journal of Neural Systems, 15:163-180, 2005.
Peltonen J. & Kaski S.
Discriminative components of data. IEEE Transactions on Neural Networks, 16:68-83, 2005.