Statistisk utvinning av bioinformatikdata
Gruppen utvecklar maskininlärningsmetoder för kunskapsutvinning, informationsvisualisering och statistisk modellering. Med maskininlärning avses här flexibla modeller som man kan använda inom olika tillämpningar.
Modellerna utvecklas inom ramen för bioinformatik- och informationssökningsprojekt, där vi samarbetar med projektgrupper inom tillämpningsområdena. Tillämpningarna fungerar som testunderlag för de nya metoderna, och metoderna å sin sida löser problem inom tillämpningsområdena.
För tillfället ligger tyngdpunkten för forskningen på diskriminativ generativ modellering, fusion av datakällor genom att modellera beroenden mellan dem, övervakad oövervakad inlärning, samt modeller som definierar och separerar ”relevanta” signaler i datasamlingar.
Forskningsgruppen fungerar delvis vid institutionen för datavetenskap och delvis vid laboratoriet för informationsteknik vid Tekniska högskolan.
Kontaktperson : professor Samuel Kaski
Webbsida: http://www.cis.hut.fi/projects/mi/
Publikationer
S. Kaski, J. Nikkilä, J. Sinkkonen, L. Lahti, J. Knuuttila, and C. Roos:
Associative clustering for exploring dependencies between functional genomics data sets.
IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2:203-216, 2005.
S. Kaski, J. Sinkkonen, and A. Klami: Discriminative clustering. Neurocomputing, 69:18-41, 2005.
J. Nikkilä, C. Roos, E. Savia, and S. Kaski: Explorative modeling of yeast stress response and its regulation with gCCA and associative clustering. International Journal of Neural Systems, 15:237-246, 2005.
M. Oja, G. O. Sperber, J. Blomberg, and S. Kaski: Self-organizing map- based discovery and visualization of human endogenous retroviral sequence groups. International Journal of Neural Systems, 15:163-180, 2005.
J. Peltonen and S. Kaski: Discriminative components of data. IEEE Transactions on Neural Networks, 16:68-83, 2005.