Complex Systems Computation Research Group - CoSCo
CoSCo-tutkimusryhmässä tarkastellaan kompleksisten järjestelmien laskennallisia ongelmia, erityisesti tilastolliseen päättelyyn ja mallinvalintaan liittyviä kysymyksiä. Ryhmän tutkimusalueita ovat mm. Bayes-verkot ja muut graafiset todennäköisyysmallit, informaatioteoreettiset lähestymistavat tilastolliseen päättelyyn (MDL), kausaalisuusanalyysi ja moniulotteisen datan visualisointimenetelmät.
Tutkimustyössä on vahva perustutkimuksellinen ulottuvuus, ja tutkimus on tietojenkäsittelytieteen, informaatioteorian ja matemaattisen tilastotieteen leikkauspisteessä. Lisäksi ryhmän tutkimustyöhön sisältyy vahvasti soveltava ulottuvuus. Menetelmiin liittyviä teoreettisia tuloksia on hyödynnetty monitieteisesti mm. sosiaalitieteissä, kriminologiassa, ekologiassa, lääketieteessä, historiantutkimuksessa ja teollisissa sovelluksissa.
Ryhmän viimeaikaisia tutkimuskohteita ovat olleet mm. historiallisten käsikirjoitusten analysointi, sensoridata-analyysi, vaalikonevisualisointi, seuraavan sukupolven hakukoneteknologiat ja paikkasidonnaiset palvelut. Tutkimusryhmän jäsenillä on laaja osaamisprofiili teoreettisesta tutkimuksesta huippuohjelmointiin.
Konkreettinen esimerkki CoSCon laaja-alaisesta osaamisesta on ryhmän kehittämä ja ylläpitämä ainutlaatuinen B-Course -data-analyysipalvelin (b-course.hiit.fi), jossa on sovellettu viimeisimpiä tutkimustuloksia todennäköisyysmallintamisen alalta. Palvelimella on tuhansia käyttäjiä maailmanlaajuisesti, ja analyysipalvelun tuloksia on hyödynnetty mm. HIV-rokotteiden kehityksessä, lintujen laulun analysoimisessa ja geeniaineistojen tutkimuksessa. Ryhmä myös ylläpitää portaalia www.mdl-research.org , joka pyrkii kokoamaan yhteen Jorma Rissasen kehittämään Minimum Description Length (MDL) -teoriaan liittyvän tutkimuksen tärkeimmät tulokset.
Yhteyshenkilö : professori Petri Myllymäki
Kotisivu : http://cosco.hiit.fi/
Projektit
Valittuja julkaisuja
T. Silander, P. Kontkanen and P. Myllymäki: On Sensitivity of
the MAP Bayesian Network Structure to the Equivalent Sample Size Parameter. Pp. 360-367 in the Proceedings of the The 23rd Conference on Uncertainty in Artificial Intelligence (UAI-2007), edited by R. Parr and L. van der Gaag. AUAI Press, 2007.
P. Kontkanen and P. Myllymäki: A linear-time algorithm for computing the multinomial stochastic complexity. Information Processing Letters 103 (2007) 6 (September), 227-233.
P. Kontkanen and P. Myllymäki: MDL Histogram Density Estimation. In Proceedings of the Eleventh International Conference on Artificial Intelligence and Statistics (AISTATS 2007), Puerto Rico, March 2007.
H. Wettig, P. Kontkanen and P. Myllymäki: Calculating the Normalized Maximum Likelihood Distribution for Bayesian Forests. IADIS International Journal on Computer Science and Information Systems 2 (2007) 2 (October).
V. Tuulos, J. Scheible and H. Nyholm: Combining Web, Mobile Phones and Public Displays in Large-Scale: Manhattan Story Mashup. Pp. 37-54 in Proceedings of the Fifth International Conference on Pervasive Computing, edited by A. LaMarca M. Langheinrich and K.N. Truong. Lecture Notes in Computer Science 4480, Springer 2007.