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 |
|