Merkittävä osa lääketieteellisestä tutkimuksesta tehdään suurista määristä moniulotteista dataa, josta pyritään muodostamaan malleja ja tunnistamaan vallitsevia suhteita uuden tiedon löytämiseksi. Perinteiset tilastotieteelliset menetelmät ovat erittäin suosittuja tällaisessa tutkimuksessa, mutta ajautuvat usein ongelmiin, kun tietojoukko sisältää paljon virheitä ja poikkeavia havaintoja. Näiden menetelmien käyttöä voidaan täydentää tällaista dataa sietävillä koneoppimisen menetelmillä, kuten tietyillä neuroverkkomalleilla.
Tämä tutkielma käsittelee itseorganisoituvaksi kartaksi kutsuttua neuroverkkomallia ja sen soveltamista kasvaimista kerättävän datan analyysiin. Itseorganisoituva kartta on automaattinen data-analyysin metodi, joka luo kuvauksen merkittävimmistä moniulotteisessa datassa vallitsevista suhteista.
Identifer | oai:union.ndltd.org:oulo.fi/oai:oulu.fi:nbnfioulu-201611163062 |
Date | 16 November 2016 |
Creators | Laivamaa, T. (Tommi) |
Publisher | University of Oulu |
Source Sets | University of Oulu |
Language | Finnish |
Detected Language | Finnish |
Type | info:eu-repo/semantics/bachelorThesis, info:eu-repo/semantics/publishedVersion |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess, © Tommi Laivamaa, 2016 |
Page generated in 0.0019 seconds