1. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
A jelt½ l a jelenségig
o
Telcs András
1 Department
of Computer Science and Information Theory
Budapest University of Technology and Economics
Budapest, Hungary
June 13, 2013
Hálók
6. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
Osztályozás
Hálók
7. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
Kernel módszerek,
Osztályozás
Hálók
8. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Osztályozás
Hálók
9. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés
Osztályozás
Hálók
10. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Hálók
11. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés
o
Hálók
12. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Hálók
13. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Hálók
14. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Wavelets, Kálmán …lter
Hálók
15. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Wavelets, Kálmán …lter
Nem-parameteres id½ sor elemzés - (TA)
o
Hálók
16. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Wavelets, Kálmán …lter
Nem-parameteres id½ sor elemzés - (TA)
o
osztályozás - (TA)
Hálók
17. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Wavelets, Kálmán …lter
Nem-parameteres id½ sor elemzés - (TA)
o
osztályozás - (TA) Granger kauzalitás - (TA)
Hálók
18. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Módszercsaládok:
Jelfeldolgozás - Horváth,Dobrowiecki
Klaszterezés,Neurális hálók,
o
Kernel módszerek,id½ sor elemzés
Klaszterezés - Peropcsák, Gáspár-Papanek
Fraktális id½ sor elemzés- Golda
o
Spektrál analízis
Wavelets, Kálmán …lter
Nem-parameteres id½ sor elemzés - (TA)
o
osztályozás - (TA) Granger kauzalitás - (TA)
Hálók
19. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
További módszerek:
Bayes hálók
Markov láncok, véletlen bolyongások - (TA, LNM 1885)
(mintázatok rajz…lmjei)
Hálók
20. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
További módszerek:
Bayes hálók
Markov láncok, véletlen bolyongások - (TA, LNM 1885)
(mintázatok rajz…lmjei)
Rejtett Markov láncok
Hálók
21. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
További módszerek:
Bayes hálók
Markov láncok, véletlen bolyongások - (TA, LNM 1885)
(mintázatok rajz…lmjei)
Rejtett Markov láncok
Alakfelismerés
Hálók
22. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
További módszerek:
Bayes hálók
Markov láncok, véletlen bolyongások - (TA, LNM 1885)
(mintázatok rajz…lmjei)
Rejtett Markov láncok
Alakfelismerés
Sémakeresés
Hálók
27. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Amir½ l halottunk:
o
Mérési módszerek
EEG
MRI,fMRI
Szondák invivo, invitro
Osztályozás
Hálók
28. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Amir½ l halottunk:
o
Mérési módszerek
EEG
MRI,fMRI
Szondák invivo, invitro
Osztályozás
Hálók
29. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Kérdések:
Alvás - mintázatok kialakulása, szerepe
Szinkronizáció-csatolás-szétcsatolás
sejt-régió – dinamika – mintázatok –
kapcsolat-kapcsolatok iránya
Osztályozás
Hálók
30. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Kérdések:
Alvás - mintázatok kialakulása, szerepe
Szinkronizáció-csatolás-szétcsatolás
sejt-régió – dinamika – mintázatok –
kapcsolat-kapcsolatok iránya
Vertikális üzenetek
Osztályozás
Hálók
31. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Kérdések:
Alvás - mintázatok kialakulása, szerepe
Szinkronizáció-csatolás-szétcsatolás
sejt-régió – dinamika – mintázatok –
kapcsolat-kapcsolatok iránya
Vertikális üzenetek
Osztályozás
Hálók
32. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Kérdések:
Alvás - mintázatok kialakulása, szerepe
Szinkronizáció-csatolás-szétcsatolás
sejt-régió – dinamika – mintázatok –
kapcsolat-kapcsolatok iránya
Vertikális üzenetek
Osztályozás
Hálók
33. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Kérdések:
Epilepszia - szinkronizáció-csatolás-szétcsatolás (más pl.
skizofrénia)
Gátló sejtek szerepe
Hálók
34. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Kérdések:
Epilepszia - szinkronizáció-csatolás-szétcsatolás (más pl.
skizofrénia)
Gátló sejtek szerepe
Hálók
35. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
A regressziós függvény
Nem-paraméteres id½ sor elemzés [Györ… &all 2012] ICP
o
X ; Y vvv
Y = f (X )
Hálók
36. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
A regressziós függvény
Nem-paraméteres id½ sor elemzés [Györ… &all 2012] ICP
o
X ; Y vvv
Y = f (X )
amit valóban mérünk:
Y = f (X ) + "
Hálók
37. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
A regressziós függvény
Nem-paraméteres id½ sor elemzés [Györ… &all 2012] ICP
o
X ; Y vvv
Y = f (X )
amit valóban mérünk:
Y = f (X ) + "
ebb½ l kéne f :
o
Hálók
38. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
A regressziós függvény
Nem-paraméteres id½ sor elemzés [Györ… &all 2012] ICP
o
X ; Y vvv
Y = f (X )
amit valóban mérünk:
Y = f (X ) + "
ebb½ l kéne f :
o
Hálók
39. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
A regressziós függvény
Legyen X és Y véletlen vektor, keressük f -et amire
min Ef(Y
f
f (X ))2 g
(1)
40. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
A regressziós függvény
Legyen X és Y véletlen vektor, keressük f -et amire
min Ef(Y
f
f (X ))2 g
m (X ) = E (Y jX ) ;
(1)
41. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
A regressziós függvény
Legyen X és Y véletlen vektor, keressük f -et amire
min Ef(Y
f
f (X ))2 g
(1)
m (X ) = E (Y jX ) ;
m (x) a legjobb (1) -t minimalizáló függvény, ez a regressziós
függvény.
42. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
A regressziós függvény
Legyen X és Y véletlen vektor, keressük f -et amire
min Ef(Y
f
f (X ))2 g
(1)
m (X ) = E (Y jX ) ;
m (x) a legjobb (1) -t minimalizáló függvény, ez a regressziós
függvény.
47. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Az alapötlet
Hn (x) azon i -kamelyekre Xi "közel van" x-hez,
Nn (x) = jHn (x)j ezek száma
Hálók
48. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Az alapötlet
Hn (x) azon i -kamelyekre Xi "közel van" x-hez,
Nn (x) = jHn (x)j ezek száma
P
i 2H (x ) Yi
b
m (x) ' mn (x)
Nn (x)
Hálók
49. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Az alapötlet
Hn (x) azon i -kamelyekre Xi "közel van" x-hez,
Nn (x) = jHn (x)j ezek száma
P
i 2H (x ) Yi
b
m (x) ' mn (x)
Nn (x)
az ilyen Y -k átlaga.
Hálók
50. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Az alapötlet
Hn (x) azon i -kamelyekre Xi "közel van" x-hez,
Nn (x) = jHn (x)j ezek száma
P
i 2H (x ) Yi
b
m (x) ' mn (x)
Nn (x)
az ilyen Y -k átlaga.
Hálók
58. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció (Székely &all 2007)
(X ; Y ) lineáris kapcsolatot mér
Hálók
59. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Távolság korreláció (Székely &all 2007)
(X ; Y ) lineáris kapcsolatot mér
általánosabb
Lemma
Ha X ; Y független akkor (X ; Y ) = 0; de FORDÍTVA
NEM!
dCorr
60. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Távolság korreláció (Székely &all 2007)
(X ; Y ) lineáris kapcsolatot mér
általánosabb
Lemma
Ha X ; Y független akkor (X ; Y ) = 0; de FORDÍTVA
NEM!(csak korrelálatlan!)
dCorr
61. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Távolság korreláció (Székely &all 2007)
(X ; Y ) lineáris kapcsolatot mér
általánosabb
Lemma
Ha X ; Y független akkor (X ; Y ) = 0; de FORDÍTVA
NEM!(csak korrelálatlan!)
dCorr
62. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Távolság korreláció (Székely &all 2007)
(X ; Y ) lineáris kapcsolatot mér
általánosabb
Lemma
Ha X ; Y független akkor (X ; Y ) = 0; de FORDÍTVA
NEM!(csak korrelálatlan!)
dCorr
63. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Távolság korreláció dCorr (X ; Y )
Theorem
X ; Y akkor és csak akkor független, ha dCorr (X ; Y ) = 0
Hálók
64. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Távolság korreláció dCorr (X ; Y )
Theorem
X ; Y akkor és csak akkor független, ha dCorr (X ; Y ) = 0
Megjegyzés
dCorr imdája a magas dimenziót
Hálók
65. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Távolság korreláció dCorr (X ; Y )
Theorem
X ; Y akkor és csak akkor független, ha dCorr (X ; Y ) = 0
Megjegyzés
dCorr imdája a magas dimenziót
Hálók
66. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Xi ; Yi id½ sorok, legyen Xii +k ; Yii +l ablak-vektoraik:
o
2
3
Xi +k
6 . 7
6 . 7
Xii +k = 6 . 7
4 Xi +1 5
Xi
Vizsgáljuk dCorr Xii +k ; Yii +l
Hálók
67. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Xi ; Yi id½ sorok, legyen Xii +k ; Yii +l ablak-vektoraik:
o
2
3
Xi +k
6 . 7
6 . 7
Xii +k = 6 . 7
4 Xi +1 5
Xi
Vizsgáljuk dCorr Xii +k ; Yii +l
kauzalitását
és ennek a Granger
Hálók
68. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Távolság korreláció
Xi ; Yi id½ sorok, legyen Xii +k ; Yii +l ablak-vektoraik:
o
2
3
Xi +k
6 . 7
6 . 7
Xii +k = 6 . 7
4 Xi +1 5
Xi
Vizsgáljuk dCorr Xii +k ; Yii +l
kauzalitását
és ennek a Granger
Hálók
70. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Y 2 f1; 2; :::Mg cimkék
X feature/jelleg vektor
osztályozó függgvény g : Rd ! f1; 2; :::Mg
Hiba valószín½ ség
u
Lg = P(g(X ) 6= Y ):
Osztályozás
Hálók
71. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Osztályozás
Y 2 f1; 2; :::Mg cimkék
X feature/jelleg vektor
osztályozó függgvény g : Rd ! f1; 2; :::Mg
Hiba valószín½ ség
u
Lg = P(g(X ) 6= Y ):
a posteriori valószín½ ség
u
Pi (x) = PfY = ijX = xg:
Hálók
72. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Osztályozás
Y 2 f1; 2; :::Mg cimkék
X feature/jelleg vektor
osztályozó függgvény g : Rd ! f1; 2; :::Mg
Hiba valószín½ ség
u
Lg = P(g(X ) 6= Y ):
a posteriori valószín½ ség
u
Pi (x) = PfY = ijX = xg:
Hálók
73. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Bayes döntés
g (x) = arg max Pi (x):
i
L = Lg a Bayes hiba
b
Pi (x) közelítése Pi (x)-nek
Hálók
74. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Bayes döntés
g (x) = arg max Pi (x):
i
L = Lg a Bayes hiba
b
b
Pi (x) közelítése Pi (x)-nek ezzel g
~
b
g (x) = arg max Pi (x):
i
Hálók
75. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Bayes döntés
g (x) = arg max Pi (x):
i
L = Lg a Bayes hiba
b
b
Pi (x) közelítése Pi (x)-nek ezzel g
~
b
g (x) = arg max Pi (x):
i
Hálók
76. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Ötlet
b
Legyen Pi (x) mint el½ bb a hasonlóak átlaga
o
P (bn (X ) 6= Y ) ! L
g
Hálók
77. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Érdi, Négyesi, Bazsó,Toroczkai, Nepusz,Barabási,Vicsek
Centalitások
Hálózatok Hirsh indexe,
Hálók
78. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Érdi, Négyesi, Bazsó,Toroczkai, Nepusz,Barabási,Vicsek
Centalitások
Hálózatok Hirsh indexe,
Hálók
79. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Hálók
Érdi, Négyesi, Bazsó,Toroczkai, Nepusz,Barabási,Vicsek
Centalitások
Hálózatok Hirsh indexe,
Hálók
83. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban
Osztályozás
Hálók
84. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Osztályozás
Hálók
85. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Osztályozás
Hálók
86. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Osztályozás
Hálók
87. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés
Osztályozás
Hálók
88. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Osztályozás
Hálók
89. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Link jóslás
Osztályozás
Hálók
90. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Link jóslás (Bazsi, Nepusz)
Osztályozás
Hálók
91. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Link jóslás (Bazsi, Nepusz)
Konvergencia index
Osztályozás
Hálók
92. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Link jóslás (Bazsi, Nepusz)
Konvergencia index (Bazso, Banyai)
Osztályozás
Hálók
93. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Hálók
Hirsh mag (Korn, Scubert,T)
Lobby index (Korn, Scubert,T)
Keresés a hálóban (Csernai, Gulyas, T)
Gazdaságosság
Gazdagok klubbja
Fuzzy klaszterezés (Bazsi, Nepusz)
Link jóslás (Bazsi, Nepusz)
Konvergencia index (Bazso, Banyai)
Osztályozás
Hálók
94. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Alvás
Kérdés:
Nincs-e kapcsolat az alvási hullámcsomagok "spindles"-ok és a
tapsolás dinamikája között(lásd [Néda 2000], Nature).
Hálók
95. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Alvás
Kérdés:
Nincs-e kapcsolat az alvási hullámcsomagok "spindles"-ok és a
tapsolás dinamikája között(lásd [Néda 2000], Nature).
Szinkron-deszinkron.
Hálók
96. Áttekintés
Nem-paraméteres id½ sor elemzés
o
Osztályozás
Alvás
Kérdés:
Nincs-e kapcsolat az alvási hullámcsomagok "spindles"-ok és a
tapsolás dinamikája között(lásd [Néda 2000], Nature).
Szinkron-deszinkron.
Hálók