NY DOKTORGRAD
Reparering av eksperimentelle data ved å bruke grafer
 |
“Graph modification problems related to graph classes”
Grafer er matematiske objekter som generelt brukes til å beskrive forholdet mellom elementer i et system. De blir derfor brukt til å modellere mange forskjellige praktiske problemer, som for eksempel ligningssystemer, ruteplanlegging, plassering av mobilsendere, kartlegging av DNA og mange andre.
Denne avhandlingen handler om grafer som modellerer eksperimentelle data. Slike data kan ofte inneholde feil eller være ufullstendige, men i mange tilfeller vet vi hvordan dataene bør ser ut. Dette betyr at vi har muligheten til å oppdage disse feilene. For eksempel, la oss anta at vi samlet mye informasjon om alle slektningene i en familie og vil bygge et genealogisk tre. Hvis dataene sier at en person har to mødre, er vi sikker på at noe er galt, men problemet er å rette feilen: hvem er den virkelige moren?
Vi presenterer forskjellige effektive løsinger til problemet med å rette grafen slik at dataene skal passe den teoretiske modellen. Vi vurderer ulike modeller. En av de viktigste er forbundet med kunstig intelligens og handler om å finne en måte for å organisere data automatisk i kategorier. Dette har anvendelser i flere felt, blant annet semantiske søkemotorer og maskin-læring.
Personalia:
Federico Mancini er født i 1980 og oppvokst i Roma (Italia). Han ble utdannet master i informatikk ved «Università degli Studi di Roma Tre» i Roma i 2004. De siste tre årene har han vært ansatt som doktorgradsstipendiat ved Institutt for Informatikk, Universitetet i Bergen. Siste halvdel av 2007 var han gjesteforsker ved Universitet i Rostock i Tyskland.
Tidspunkt og sted for disputasen:
18.09.2008, kl. 12:30, Auditoriet VilVite, Thormøhlensgt. 51
Kontaktpersoner:
Federico Mancini , epost: Federico.Mancini@ii.uib.no
Mediekontakt Mia Kolbjørnsen, tlf. 55 58 90 39 (a), e-post: mia.kolbjornsen@form.uib.no
Avhandlingen kan lånes på Bibliotek for realfag. For kjøp/bestilling av avhandlingen, kontakt kandidaten direkte.