Nagy dimenziós adat vezérelt modellezés, szimuláció és döntéstámogatás kopulák, valószínűségi grafikus módszerek és gépi tanulási módszerek segítségével

Kutatás vezetője: Dr. Kovács Edith Alice
Intézmény: Budapesti Műszaki Egyetem
Leírás: Új, valószínűségi módszereken alapú anomáliadetektáló algoritmust vezettünk be ipari partnerünkkel való együttműködésben. A kopula alapú eljárásunk nagy mennyiségű és nagy dimenziós adatok kezelésére is alkalmas, illetve jól tudja kezelni a hiányos adatokat is. Továbbá többdimenziós valószínűségi eloszlások modellezésére kétváltozós kopulák szorzatain alapuló új eljárást vezettünk be. Bebizonyítottuk, hogy a párkopulák és az egyváltozós marginálisok külön-külön illeszthetők, lehetővé téve a módszer párhuzamosíthatóságát. Komplex hálózatok matematikai tulajdonságait is vizsgáltuk: új dimenziófogalmat vezettünk hierarchikus gráfsorozatok fraktáltulajdonságának mérésére, illetve fizikusok által bevezetett színelkerülő perkoláció fogalom számítási komplexitását elemeztük, továbbá adat-vezérelt módon elemeztük valós komplex hálózatok tulajdonságait magas dimenziójú térben.