To DTU-forskere, professor Lars Kai Hansen og postdoc Trine Julie Abrahamsen, har løst et problem, der kan få stor betydning for medico-teknik, internethandel og i den finansielle verden.
De har fjernet blinde vinkler i big data.
De blinde vinkler kan opstå, når computeren skal kombinere mange og usikre faktorer i nye data, og kan i værste fald betyde, at den overser vigtige informationer og ledes til en forkert beslutning, der kan have store konsekvenser i eksempelvis medico-branchen.
Matematisk trick
Løsningen, som de har fundet frem til, bygger på et matematisk trick, som kan hjælpe til at opdage og kompensere for de blinde vinkler og dermed give computeren mulighed for at handle mere korrekt.
Lars Kai Hansen og Trine Julie Abrahamsen har videreudviklet den såkaldte ‘supportvektor-maskine’, der blev opfundet af den russiske matematiker Vladimir Vapnik og hans team i 1992.
Metoden er siden blevet en af de absolut mest benyttede computerteknologier indenfor en lang række felter, fra medicinsk teknologi til internethandel.
Supportvektor-metoden finder anvendelse indenfor diagnosticering af sygdomme på baggrund af scanningsbilleder og genetik, i bankers kreditvurdering af kunderne og indenfor områder som automatisk dokumentanalyse og online-reklamer.
De to forskere har netop offentliggjort deres resultater i tidsskriftet Pattern Recognition Letters.
Halvering af fejlraten
DTU-forskerne har blandt andet påvist, at den nye metode kan forbedre computerens evne til at skelne mellem forskellige leukæmi-typer ud fra gen-data.
Dette problem er en klassisk udfordring for kunstig intelligens indenfor medicinsk forskning, hvor hurtig udredning og korrekt klassificering af sådanne sygdoms-undertyper kan være afgørende for at tilbyde den optimale behandling.
Indenfor leukæmi-problemet kan den nye løsning næsten halvere fejlraten sammenlignet med almindelige supportvektor-maskiner.
Læs også:
Dataanalyse: Så hurtigt går det i amerikanske firmaer
Leave a Reply