|
Algoritmit
Laskemme Bayes-verkkoja omilla algoritmeilla.
Tutkimustyössä tehdyt vertailut osoittavat, että BayesIT:n Bayes-verkkoalgoritmit
kuuluvat maailman johtaviin sekä suorituskyvyltään että nopeudeltaan.
Visualisoinnissa käytetty muunnosperiaate (B-Viz™.) ja algoritmi on
patentoitu.
BayMinerin erinomainen suorituskyky perustuu HIIT (Helsinki Institute for
Information Technology) - tutkimusyksikössä toimivan CoSCo-tutkimusryhmän pitkäaikaiseen
tutkimustyöhön. Ryhmä on julkaissut paljon tieteellisiä
tuloksia.
Bayes-verkoista
Bayes-verkkoja on monenlaisia. Niiden perusmuotoa kutsutaan usein Bayesian
Classifier'ksi. Näillä perusverkoillakin saavutetaan joskus suhteellisen hyviä tuloksia.
Arkielämän data on usein puutteellista, se voi sisältää ristiriitaisuuksia ja päällekkäistä tietoa,
mistä seuraa, että mallinnuksen epäonnistumisriskit kasvavat. Hyvään
tulokseen pääsemiseksi tarvitaan perusverkkoa kehittyneempiä laskenta-algoritmeja,
jollaisiin BayMiner perustuukin. BayMiner antaa myös heti laskennan aikaista osviittaa siitä, miten
hyvin malli ennustaa.
Lyhyt esitys Bays-verkoista: 'On
Probabilistic Modeling and Bayesian Networks'
BayesIT:n yhteistyö CoSCo-tutkimusryhmän kanssa tuottaa jatkuvasti parempia algoritmeja.
Tutkimus on tiivistä -- laskentakapasiteetti kehittyy jatkuvasti, joten
tuotekehittelymme ja edistymisemme on nopeatempoista. Palvelinversiota
päivitetään aina, kun testatusti entistä paremmin toimiva ohjelma on
käytettävissä. Näin asiakkaat saavat
aina käyttöönsä BayMinerin uusimman version.
- Tutkimustyö edistyy nopeatempoisesti ja työkaluja päivitetään
usein. Siksi Internetin kautta käytettävä, palvelinperustainen laskentaprosessi on kaikille osapuolille järkevin
vaihtoehto.
BayesIT:n oman algoritmiperheen kaupallinen nimi on D-Side™.
Kuvanlaskenta (B-Viz™)
Nämä tutkimusjulkaisut antavat lisätietoja kuvanlaskennan menetelmistä.
* P.Kontkanen, J.Lahtinen, P.Myllymäki, T.Silander, and H.Tirri,
Supervised Model-Based Visualization of High-Dimensional Data. Intelligent
Data Analysis 4 (2000), 213-227.
http://www.cs.Helsinki.FI/research/cosco/Articles/ida00.ps.gz
* P.Kontkanen, J.Lahtinen, P.Myllymäki, and H.Tirri, Unsupervised Bayesian
Visualization of High-Dimensional Data. Pp. 325-329 in Proceedings of the
Sixth International Conference on Knowledge Discovery and Data Mining
(KDD-2000), edited by R.Ramakrishnan, S.Stolfo, R.Bayardo and I.Parsa. The
Association for Computing Machinery, New York, NY, USA, 2000.
http://www.cs.Helsinki.FI/research/cosco/Articles/kdd00.ps.gz
* P.Kontkanen, J.Lahtinen, P.Myllymäki, and H.Tirri, An Unsupervised
Bayesian Distance Measure. Pp. 148-160 in Advances in Case-Based
Reasoning, Proceedings of the Fifth European Workshop on Case-Based
Reasoning (EWCBR-2000), edited by E.Blanzieri and L.Portinale. Vol. 1898
in Lecture Notes in Artificial Intelligence, Springer-Verlag 2000.
http://www.cs.Helsinki.FI/research/cosco/Articles/ewcbr00.ps.gz
|