描述:
数据是信息的基石,因此,它们是知识的重要输入。今天,在数字时代的中期,大量高度复杂的数据正以前所未有的规模被收集和处理。如此丰富的数据凸显了高效和有效的知识发现算法的重要性,这些算法可以识别隐藏在数据中的模式,最终目的是发现有价值的知识,并塑造我们对周围世界的理解。为了利用海量数据和现代计算能力提供的机会,多年来,知识发现和相关领域的研究引入了越来越高效、越来越不透明和不可预测的算法。最近,人们对算法的道德维度越来越感兴趣,这引起了人们对不透明算法的局限性的关注,并强调了对可信算法的需求,尤其是当这些算法用于支持高风险决策时。为了可信,算法应该通过清晰的指令序列来解决一个明确定义的问题,它们在任何特定情况下都不应该完全失败,并且应该易于人类理解和解释,这样就不会隐藏任何有害的偏见。在本论文中,我们追求的目标是开发新的知识发现算法方法,这些方法不仅能够高效地应对现代数据带来的挑战和机遇,而且还具有可靠性。特别是,我们为一组流行的知识发现任务提出了高效且值得信赖的方法。首先,我们考虑贝叶斯网络和隐马尔可夫模型中的精确推理任务。对于此类任务,存在值得信赖的方法。然而,它们的适用性可能会受到时间或内存需求的严重限制。因此,我们提出了新的方法来减少现有方法在考虑精确推理任务时所需的时间或内存资源。旁边。。。
出版商:
阿尔托大学;阿尔托·伊洛匹斯托
贡献者:
Aslay,Cigdem,丹麦奥胡斯大学教授;Perustieteiden korkeakoulu;科学学院;Tietotkneikan laitos;计算机科学系;Gionis,Aristides,瑞典KTH皇家理工学院和芬兰阿尔托大学计算机科学系教授;数据挖掘;阿尔托-伊洛匹斯托;阿尔托大学
出版年份:
2023
文件类型:
G5 Artikkeliväitöskirja;文本;博士论文(基于论文);Väitöskirja(artikkeli);【博士和博士后论文】
语言:
英语
学科:
计算机科学;知识发现;可信算法;可扩展算法
DDC(尽职调查委员会):
关系:
阿尔托大学出版物系列医生这些; 208/2023 ; [出版物1]: 奇格德姆阿斯雷,马蒂诺西亚佩罗尼,阿里斯蒂德斯Gionis、,迈克尔马蒂奥达基斯。工作负荷感知物化有效率的变量消除上的贝叶斯主义者网络。2021电气与电子工程师协会第三十七国际会议数据工程类(ICDE),查尼娅,希腊,第页。1152-1163, 四月2021已满文本英寸Acris/Aaltodoc公司:https://urn.fi/urn:NBN:fi:aalto-202109299359.DOI:10.10109/ICDE51399.2021.00104; ...
内容提供商:
阿尔托-伊洛皮斯顿朱尔凯苏亚尔基斯塔(阿尔托多克)
其他名称阿尔托大学出版档案馆 芬兰国旗
加载。。。
加载。。。
加载。。。