search query: @instructor Heikkonen, Jukka / total: 8
reference: 1 / 8
« previous | next »
Author:Hulkkonen, Jenni
Title:Minimum description length principle in novelty detection
Lyhimmän kuvauspituuden periaate uutuuden havaitsemisessa
Publication type:Master's thesis
Publication year:2008
Pages:vii + 51      Language:   eng
Department/School:Elektroniikan, tietoliikenteen ja automaation tiedekunta
Main subject:Laskennallinen tekniikka   (S-114)
Supervisor:Kaski, Kimmo
Instructor:Heikkonen, Jukka
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark S80     | Archive
Keywords:minimum description length
novelty detection
lyhin kuvapituus
uutuuden etsintä
Abstract (fin): Tässä työssä on käytetty lyhimmän kuvauspituuden (minimum description length, NMDL) periaatetta uutuuden etsintään.
MDL periaate on tilastollinen ja informaatioteoreettinen metodologia, jonka tavoitteena on lievittää mallinvalintaan liittyviä ongelmia, kuten mallin ylisovitusta.
MDL-teoria perustuu annetun aineiston säännönmukaisuuksien hyväksikäyttöön aineiston tiivistämisessä, jolloin aineisto voidaan kuvata lyhyemmin.
MDL-periaatteen mukaan parhaiten sovittuva malli on se, joka mahdollistaa suurimman datan tiivistämisen ja näin ollen aineiston pienimmän kuvauspituuden.

Uutuuden etsintä on epänormaalin käytöksen havaitsemista systeemistä ennen kuin huomattavaa suorituskyvyn alenemista tapahtuu.
Mahdollisten systeemin vikaantumisten varhainen havainnointi ja analyysi mahdollistavat systeemin turvallisuuden, luotettavuuden ja tuottavuuden.
Näin ollen uutuuden etsintä aikasarjoista on suuren mielenkiinnon kohteena varsinkin teollisuuden ja signaalinkäsittelyn sovelluksissa.

Tässä työssä kuvataan hiljattain esitelty MDL-periaatteeseen perustuva peräkkäin normalisoitu suurimman uskottavuuden (sequentially normalized maximum likelihood, SNML) menetelmä aikasarja-analyysiin.
Verrattuna aikaisempiin MDL-menetelmiin, SNML:n laskemiseen ei tarvita hyperparametreja, ja mallinvalintakriteeri on laskettavissa aikasarjoille.

Uutuuden etsintä -kokeita suoritetaan SNML:n suoritustehon ja käyttäytymisen selvittämiseksi.
Tähän tarkoitukseen käytetään kahta aineistoa, joista toinen pohjautuu oikeisiin mittauksiin kuulalaakerin vikaantumisesta.
Tässä työssä esitetyt tulokset paljastavat, että SNML:n signaalin kompleksisuutta mittaava stokastinen kompleksisuus (SC) toimii hyvin uutuuden etsintä-tehtävissä.
Vastaavasti SNML:n mukaan valittu AR mallin kertaluku ei näytä yhtä hyvin selittävän systeemissä tapahtuvia muutoksia.
ED:2008-04-14
INSSI record number: 35510
+ add basket
« previous | next »
INSSI