Jyväskylän yliopiston Antti Yläjärvi palkittiin Leo Törnqvist -palkinnolla parhaasta tilastotieteen tutkielmasta

Jyväskylän yliopiston Antti Yläjärven tilastotieteen pro gradu -tutkielmassa "Transformer -neuroverkon robustisuuden parantaminen Gaussisen prosessin ja neuroverkon yhdistävillä menetelmillä" tarkastellaan kahta verrattain uutta kirjallisuudessa esitettyä Gaussisen prosessin ja neuroverkon yhdistävää menetelmää sekä tutkitaan, voidaanko näillä parantaa Transformer -neuroverkon robustisuutta ja epävarmuuden kvantifioinnin luotettavuutta. Tutkielman ohjaajina toimivat Jyväskylän yliopiston yliopistonlehtorit Sara Taskinen ja Salme Kärkkäinen. 

- Antin tutkielma tarkastelee neuroverkkojen robustisuutta luonnollisen kielen käsittelyyn liittyvissä tehtävissä. Vastaavia vertailuja on aikaisemmin toteutettu käyttäen lähinnä kuvantunnistuksen sovelluksia, joten tutkielma tarjoaa uutta tietoa menetelmien käyttäjille, kertoo yliopistonlehtori Sara Taskinen Jyväskylän yliopistosta.  

Neuroverkoilla lukuisia sovelluksia  

Neuroverkot ovat epälineaarisia tilastollisia malleja, joiden suosio on kasvanut erityisesti viimeisen kymmenen vuoden aikana. Tänä päivänä jokainen voi arjessaan kohdata neuroverkkoihin perustuvia malleja esimerkiksi sosiaalisen median sovelluksissa tai käyttäessä internetin hakukoneita. Malleja käytetään kuitenkin kasvavassa määrin myös sovelluksissa, joissa korostuu tarve luotettavasti päätellä ennusteisiin liittyvästä epävarmuudesta. Robustit, luotettavasti epävarmuutta ilmaisevat mallit ovat tärkeitä esimerkiksi lääketieteellisessä diagnostiikassa ja kuvantamisessa, mutta myös monissa muissa sovelluksissa erityisesti, kun datan volyymi voi ajaa virheiden kumulatiiviset kustannukset merkittäviksi. 

- Tutkielmassa tarkasteltua ongelmaa voidaan käytännön sovellusten näkökulmasta pitää hyvinkin relevanttina. Bayesiläisten menetelmien, kuten Gaussisten prosessien etuna voidaan pitää ennusteiden saamista jakaumina, mikä mahdollistaa myös posteriorivarianssin hyödyntämisen epävarmuutta koskevassa päättelyssä. Tutkielmassa tarkastelluilla menetelmillä posteriorivarianssi osoittautui hyödylliseksi poikkeavia havaintoja tunnistettaessa, mutta luokitteluvirheitä ennustettaessa vastaavaa hyötyä ei todettu. Yhteenvetona tuloksista voitaisiin sanoa, että esiopetettu, tämän päivän standardeilla keskikokoinen Transformer-neuroverkko on varsin robusti sellaisenaan, mutta lopullista mallinvalintaa tehdessä eri suorituskykyjä voi olla syytä painottaa tavoitteiden ja riskien perusteella, kertoo palkinnon saanut Antti Yläjärvi.  

Jyväskylän yliopistolle myönnetty jo 11 palkintoa 

Suomen Tilastoseura on tieteellinen seura, jonka tarkoituksena on edistää tilastotiedettä ja sen soveltamista. Seura myöntää parhaalle tilastotieteen pro gradu -tutkielmalle palkinnon, joka on nimetty Suomen ensimmäisen tilastotieteen professorin Leo Törnqvistin mukaan. Palkintoa on jaettu vuodesta 1978 lähtien. Jyväskylän yliopistolle on myönnetty yhteensä yksitoista Leo Törnqvist -palkintoa. 

Lisätietoa:  

• Pro gradu –tutkielma: https://jyx.jyu.fi/handle/123456789/87761  
• Leo Törnqvist -palkinto: https://tilastoseura.fi/fi/pages/palkinnot/leo-tornqvist-palkinto.html