Számítástudományi és Információelméleti Tanszék

Témakiírás

Univerzális predikció

Az informatika térhódításának jelenlegi szakaszában felerősödött az igény, hogy a korábban felgyűlt (sokszor igen nagy volumenű) adatsorainkból jó minőségű előrejelzéseket, predikciókat kapjunk a szóbanforgó folyamat, jelenségkör jövőbeni helyzeteivel, viselkedésével kapcsolatban. Ilyen törekvésnek tekinthető az univerzális predikció gondolatkörének megjelenése a 90-es években. Egy új információfeldolgozási megközelítésről van szó, ami széles általánosságban alkalmazható előrejelzési feladatokra, és a számítástudomány más eredményeivel ötvözve előrelépést hozhat több területen is. Az univerzális predikció lehetővé teszi, hogy számítógépes statisztikai módszereket alkalmazzunk olyan jelenségek elemzésére is, amelyeknél ez korábban nem látszott lehetségesnek.

A jó minőségű predikció egy igen fontos felhasználási területe a távközlő hálózatok mérésalapú forgalomszabályozása illetve hívásengedélyezése, ahol a hálózat átvitelét, kihasználtságát akarjuk maximalizálni úgy, hogy szigorú minőségi előírásokat kell teljesíteni (pl. ATM, mobil adatátvitel, stb.).

Nemparaméteres predikció esetében nem áll rendelkezésre előzetes információ az előrejelezni kívánt folyamatról, így nem használhatjuk a folyamat finom modelljét, az előrejelzésnek eloszlásfüggetlennek kell lennie. A predikció jóságát egy költségfüggvénnyel minősítjük, és a hosszútávú viselkedését a költségek átlagával mérjük. Az univerzális predikció lényege az, hogy feltesszük, hogy N független szakértő dolgozik a problémán, azaz adott N előrejelzés, és megfigyelhetjük a szakértők veszteségeit. A következő időpontban kombináljuk a szakértőket az eddigi eredményességük alapján. A cél az, hogy a kombinált prediktor vesztesége minél kevésbé haladja meg a legjobb szakértő veszteségét.

A kutatás célja ezen általános elv alkalmazása előrejelzési, alakfelismerési feladatokra, a kapott módszerek minősítése, a veszteségre alsó és felső korlátok levezetésével, illetve a módszer tesztelésével.

Irodalom:

1. Devroye, Györfi, Lugosi: A Probabilistic Theory of Pattern Recognition, Springer-Verlag, New York, 1996

2. a témához tartozó kéziratok, konferenciakötetekben megjelent cikkek.

Szükséges nyelvtudás: angol.

Dr. Pintér Márta
egyetemi adjunktus
31-58
marti@szit.bme.hu