Toistuvarakenteisten Bayes-verkkojen määrittely aikasarja-analyysissä

Tämä diplomityö keskittyy dynaamisten probabilististen mallien määrittelyyn ja käyttöön diskreettien aikasarjojen analyysissä. Diskreettien probabilististen mallien ja perinteisen klikkipuun avulla tapahtuvan päättelyn perusteet kerrataan ensin lyhyesti, määritellen samalla myöhemmin käytettävät käsitteet. Seuraavaksi esitetään idea siitä, kuinka pienistä Bayes-verkoista koostuvaa virtaa voidaan käyttää aikasarjamallinnukseen. Aiempaa dynaamisiin Bayes-verkkoihin liittyvää työtä, kuten mallien esitystapa ja eräs päättelyalgoritmi, käsitellään. Näiden seuraukset otetaan sittemmin huomioon tässä työssä esiteltävässä sovelluksessa. Käytännön tapa määritellä dynaamisia Bayes-verkkoja ja mallien käyttöä algoritmeissa tutkitaan. EM-algoritmin toteutus kehitetään mallien kvantitatiivisten parametrien määrittämiseksi annetun datan perusteella. Myös kyseisen oppimisalgoritmin ominaisuuksia tutkitaan. Työn kokeellisessa osuudessa esitetään kaksi esimerkkitilannetta. Ensimmäisenä on ideaalisessa ja kontrolloidussa ympäristössä tehty koe, jossa näytteistetään keinotekoista dataa ja käytetään sitä esitettyjen menetelmien havainnollistamiseen. Toinen havaintoesimerkki on koe, jossa yritetään mallintaa kopiolukumuutoksia ihmisen perimässä kuvaavaa dataa