Learning Centre

Input Selection Using Mutual Information - Applications to Time Series Prediction

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Lendasse, Amuaury
dc.contributor.author Hao, Jin
dc.date.accessioned 2020-12-04T19:40:10Z
dc.date.available 2020-12-04T19:40:10Z
dc.date.issued 2005
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/92953
dc.description.abstract Syötteen valinnan tavoite on annettua tehtävää varten olennaisimpien syötteiden valinta. Tämä ongelma on kompleksi ja tärkeä monilla aloilla. Tämän diplomityön päätarkoitus on näyttää, kuinka keskinäisinformaatiota voidaan käyttää syötteen valinnassa aikasarjojen ennustus ongelmassa. Keskinäisinformaatio mittaa suhdetta syötemuuttujien ja ulostulon välillä. Aluksi syötteen valinta aikasarjojen ennustuksessa selitetään yleisellä tasolla. Tämän jälkeen erilaisia keskinäisinformaation estimointimenetelmiä esitetään ja verrataan keskenään. Keskitymme tässä korkeaulotteisiin data-avaruuksiin. K:n lähimmän naapurin statistiikkaan perustuvaa estimaattoria ehdotetaan. Tämän jälkeen tarkastellaan erilaisia algoritmeja keskinäisinformaation implementoitiin syötteen valintaa varten. Tavoite on sen muuttujajoukon valitseminen, joka maksimoi keskinäisinformaation. Lopuksi ehdotettua metodologiaa sovelletaan useisiin kokeisiin ja sen osoitetaan olevan käyttökelpoinen muuttujanvalintamenetelmä aikasarjojen ennustuksessa. fi
dc.format.extent x + 56 s. + liitt. 11
dc.language.iso en en
dc.title Input Selection Using Mutual Information - Applications to Time Series Prediction en
dc.contributor.school Teknillinen korkeakoulu fi
dc.contributor.school Helsinki University of Technology en
dc.contributor.department Sähkö- ja tietoliikennetekniikan osasto fi
dc.subject.keyword time series en
dc.subject.keyword aikasarjat fi
dc.subject.keyword input selection en
dc.subject.keyword syötteen valinta fi
dc.subject.keyword mutual information en
dc.subject.keyword keskinäisinformaatio fi
dc.subject.keyword k-nearest neighbours en
dc.subject.keyword k:n lähimmän naapurin menetelmä fi
dc.subject.keyword least squares support vector machines en
dc.identifier.urn URN:NBN:fi:aalto-2020120451788
dc.programme.major Informaatiotekniikka fi
dc.programme.mcode T-61 fi
dc.type.ontasot Master's thesis en
dc.type.ontasot Pro gradu -tutkielma fi
dc.contributor.supervisor Simula, Olli
local.aalto.openaccess no
local.aalto.digifolder Aalto_38569
dc.rights.accesslevel closedAccess
local.aalto.idinssi 29900
dc.type.publication masterThesis
dc.type.okm G2 Pro gradu, diplomityö
local.aalto.digiauth ask


Files in this item

Files Size Format View

There are no open access files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

Statistics