Forskningsprojekt Bayesiansk inferens för storskaliga data genom frekvensbaserad sampling - teori och tillämpningar

Den tekniska utvecklingen har gjort det möjligt att samla in stora datamängder över tid och rum till låg kostnad. Syftet med detta forskningsprojekt är att utveckla statistiska modeller och beräkningseffektiva metoder för sådana storskaliga spatiotemporala data.


Spatiotemporala data blir allt vanligare inom de flesta vetenskapsområden och är en viktig drivkraft för industrin; några exempel är huspriser och konsumentinköpsdata, sociala nätverk och mobilitetsflöden, restider över vägnätverk, bilder av hjärnaktivitet från magnetkameror, sensordata från självkörande bilar, meteorologiska data, och data över läsvanor från e-böcker.

Avsaknaden av snabba effektiva statistiska beräkningsalgoritmer har medfört att stora informativa datamängder inte utnyttjas till något i närheten av deras faktiska potential, och utvecklingen av modeller för denna typ av data har hamnat på efterkälken.

Projektet har som mål att utveckla nya sannolikhetsmodeller och snabba robusta inferensmetoder för statistiska modeller för spatiotemporala problem, med sikte på tillämpningar inom finans, transport och neurovetenskap. Metodologiskt innebär forskningen en kombination av effektiv subsampling av data baserat på en s k frekvensanalys för tidsserier och rumsliga data. Multivariata spatiotemporala data är av speciellt intresse i projektet.

Projektansvariga

Mattias Villani

Medlemmar

Oskar Gustafsson

Vi använder kakor

Genom att tillåta tjänster från tredje part accepterar du deras cookies och användningen av spårningsteknologier som är nödvändiga för att de ska fungera korrekt.