Expressieve en interpreteerbare dataminingmodellen voor life sciences toepassingen.

Dit project heeft als doel dataminingtechnieken te ontwikkelen die expressieve en interpreteerbare modellen bouwen. Zulke modellen zijn van cruciaal belang in de life sciences, waar ze de domeinexpert inzicht verschaffen in de complexe en moeilijk observeerbare processen die zich afspelen bij dit soort toepassingen. De focus van het project ligt op inductieve gegevensbanken en statistisch-relationele miningtechnieken; deze vormen een goede basis voor het uitwerken van de beoogde technieken. Inductieve gegevensbanken combineren dataminingalgoritmen met een gegevensbank in één systeem. Statistisch-relationele dataminingalgoritmen implementeren relationele miningtechnieken waarbij de onzekerheid over de gegevens expliciet in de modellen wordt voorgesteld met behulp van kansen. Het geplande onderzoek situeert zich in drie luiken: (1) het verbeteren van de expressiviteit van inductieve gegevensbanken; (2) het ontwikkelen van statistisch-relationele miningtechnieken; en (3) het aanwenden van de resultaten uit (1) en (2) in life sciences toepassingen.

Trefwoorden:Life Sciences, Probabilistic Models, Logic, Data Mining, Machine Learning

Disciplines:Toegepaste wiskunde, Computerarchitectuur en -netwerken, Distributed computing, Informatiewetenschappen, Informatiesystemen, Programmeertalen, Scientific computing, Theoretische informatica, Visual computing, Andere informatie- en computerwetenschappen, Artificiële intelligentie, Cognitieve wetenschappen en intelligente systemen