Studentoppgave:
Re-vekting av bilineære modeller

Idletechs AS har laget programvare som kan modellere variasjoner i evigvarende, høydimensjonale datastrømmer, basert på blant annet bilineær modellering. Modellene gir en kompakt og tolkbar representasjon av svært mange ulike datasett, og kan brukes på en lang, lang rekke anvendelser.

Modellene “lærer” selv hvilke strukturer som finnes i input-datasettene, ved hjelp av multivariat datamodellering basert på vektet minste kvadraters metode. Teknikken og gir en løpende oppdatert kompakt representasjon av strukturene som er funnet, både i rom/egenskap og i tid, men er litt avhengig av fornuftig valg av vekter på de ulike data-kanalene.

Et element av dette er at vekting av ulike variabler kan endres underveis, blant annet basert på feedback om estimerte usikkerheter i dataene. Oppgaven går ut på å implementere og sammenligne ulike forslag til usikkerhetsestimater og vekt-forbedringer.

Dette er i første omgang en prosjektoppgave, hvor studenten vil kunne ta tak i en begrenset del av problemstillingen. Oppgaven vil kunne utvides til en masteroppgave.

Oppgaven er knyttet til NTNUs satsning innen Big Data Cybernetics.

Det anbefales å ta temaet TTK19 Strukturer og sammenhenger i komplekse systemer (3.75 studiepoeng), se www.itk.ntnu.no/emner/fordypning/ttk19

Det vil være begrensninger på opphavsrettigheter, herunder publisering.

Hovedveileder: Prof. Harald Martens (NTNU ITK / Idletechs)
Medveileder: Dr. Aria Rahmati (Idletechs)

Tilbake til menyen over mulige masteroppgaver