Predgovor

---

Oznaka: 0098023

AUTOMATIZIRANO OTKRIVANJE ZNANJA I RASUĐIVANJE

AUTOMATED KNOWLEDGE DISCOVERY AND REASONING
Voditelj projekta: dr. sc. Nikola Bogunović

Tel. ++385 1 4561 085   e-mail: [e-mail]

Suradnici
Dragan Gamberger, doktor elektrotehnike, znanstveni savjetnik
Mislav Malenica, dipl. ing. elektrotehnike, znanstveni novak
Ivan Marić, doktor elektrotehnike, znanstveni savjetnik
Fran Supek, dipl. ing. biologije, znanstveni novak (od 1.4.2005.)
Tomislav Šmuc, doktor elektrotehnike, znanstveni suradnik

Vanjski suradnici
Nikole Bogunović, doktor elektrotehnike, redoviti profesor, Fakultet elektronike i računarstva, Sveučilište u Zagrebu, Zagreb

Program rada i rezultati na projektu:

Tokom 2005. godine razvijena je nova tehnika inteligentne analize podataka, bazirana na iterativnoj primjeni metode otkrivanja podgrupa koja omogućuje detekciju općih svojstava ciljane klase i njenih podgrupa, te stvaranje klasifikacijskog modela ciljane klase. Metodologija je uspješno primijenjena na domeni ishemije mozga, te na analizi problema političke nestabilnosti država na osnovi podataka SFTF (State Failure Task Force). Novi alat za klasifikacijske probleme pod nazivom MIFS/SVM, koji istovremeno povezuje tehnike selekcije svojstava (varijabli) i algoritam potpornih vektora uspješno je testiran na problemu diskriminacije tipova leukemije na osnovu podataka genske ekspresije tumorskog tkiva.

U suradnji sa Centrom za informatiku i računarstvo IRB-a, razvijena je u potpunosti nova, paralelna verzija, u području strojnog učenja vrlo poznatog i korištenog algoritma slučajnih šuma (en Random Forest). Od primjena strojnog učenja u drugim područjima treba istaknuti modeliranje odnosa strukture i funkcije malih molekula u suradnji s istraživačima iz zavoda za molekularnu medicinu i fizičku kemiju.(Supek, F.et al, Periodicum Biologorum,107 (4), 2005, pp. 451-455). 

U sklopu razvoja novih algoritama za mjerne procese razvijena je nova analitička procedura za izračun izentropskog eksponenta neophodnog za točna mjerenja protoka plinova (Marić I. et al., Flow Measurement and Instrumentation, 2005, 16/1, pp. 13-20).

Research programme and results:

A new approach for insightful data analysis, based on iterative application of subgroup discovery methodology enables detection of the general properties of the target concept, its characteristic subpopulations, and generation of classification descriptions of the target class. The methodology has been successfully applied in the brain ischemia domain and for the analysis of the political instability concepts from the state failure dataset. A novel classification tool MIFS/SVM, coupling advanced feature selection technique with support vector machine classification algorithm was successfully applied to gene micro-array expression data related to the problem of discriminating between two different leukemia types. In collaboration with Center for Informatics and Computing, a well known machine learning algorithm Random Forest^TM, was completely rewritten and enhanced with a number of new features, and enabled to work on parallel computing platforms.

Application of machine learning techniques for in-silico screening and quantitative structure activity relationship modeling was also tackled in cooperation with collaborators from molecular medicine and physical chemistry laboratories of the RB Institute (Supek, F.et al, Periodicum Biologorum,107 (4), 2005, pp. 451-455). Highly accurate measurements of natural gas flow require implementation of complex mathematical model for isentropic expansion of gas. The corresponding analytical procedure for the calculation of the isentropic exponent, based on natural gas extended virial type characterization equation, was derived. Simulated measurements show considerable effect of the isentropic expansion to the accuracy of flow-rate measurements (Marić I. et al., Flow Measurement and Instrumentation, 2005, 16/1, pp. 13-20).

---

Oznaka: 0098024

ANALIZA STOHASTIČKIH SIGNALA, VREMENSKIH I PODATKOVNIH NIZOVA

STOCHASTIC SIGNALS, TIME SERIES AND DATA SEQUENCES ANALYSIS
Voditelj projekta: dr. sc. Vojnović Božidar

Tel. ++385 1 4561 023   e-mail: [e-mail]

Suradnici
Aleksandar Maksimović, doktor fiz. znanosti, znanstveni suradnik
Branka Medved-Rogina, doktorica elektrotehnike, znanstvena suradnica
Ivan Michieli, doktor tehničkih znanosti, viši znanstveni suradnik
Strahil Ristov, doktor elektrotehnike, znanstveni suradnik

Vanjski suradnici
Božidar Vojnović, doktor elektrotehnike, znanstveni savjetnik u mirovini

Tehnički suradnici
Ivan Kontušić
Program rada i rezultati na projektu:

Nastavak rada na projektu usmjeren je na mjerenje, analizu i modeliranje kompleksnih sustava i podatkovnih struktura. Istraživanje obuhvaća nekoliko područja sa sljedećim aktivnostima i rezultatima:

- Provedena je optimizacija ultra brze impulsne elektronike s visoko razlučivim sklopovima za mjerenje kratkih vremenskih intervala. Nastavljen je razvoj metoda akvizicije i mjerenja kratkih vremenskih intervala. Rezultati su primjenjeni na mjerenje i statističku analizu vremenske karakteristike stohastičkog pulsnog generatora. 

- Započeto je istraživanje mogućnosti brzih digitalnih osciloskopa za prihvat i analizu signala u brzim i visoko osjetljivim optoelektroničkim senzorima kao i u komunikacijskim mrežama.

U suradnji s Zavodom za eksperimantalnu fiziku razvijen je brzi generator slučajnih bitova baziran na kvantnom efektu emisije fotona u poluvodičima. Vremenska informacija detekcije pojedinačnog fotona upotrebljena je kao baza za generiranje slučajnih bitova. Emisija pojedinog fotona detektirana je fotomultiplikatorom (PMT). Ovo istraživanje se provodi u sklopu projekta Svjetske banke "Quantum Random Bit Generator for applications in cryptography, Monte Carlo simulations and research" (financirano od Technology Assistance program TAL-2, 2004-2005, voditelj projekta dr. Mario Stipčević, Zavod za eksperimentalnu fiziku).

- Provedena je evaluacija metoda analize nelinearnih vremenskih serija a posebno optimizacija parametara rekonstrukcije kaotičnih atraktora. Razvijena je nova procedura rekonstrukcije atraktora koja omogućava  procjenu fraktalne i korelacijske dimenzije iz šumnog signala.

- Intenzivirano je istraživanje metoda ekstrakcije fraktalnih struktura iz fizioloških signala lokomotornog i kardiovaskularnog sustava čovjeka. U suradnji sa kineziološkim i stomatološkim fakultetom u Zagrebu nastavljen je razvoj mjernih metoda i protokola za prihvat kinematičkih signala lokomotornog i čeljusnog sustava čovjeka.

- Provedena je simulacija i karaktrizacija nelinearnih procesa kao što su stresom inducirane "wrinkle" morfologije kao i proračuni za Boussinesq, KdV, Burgers i KdV-Burgers jednadžbe u sklopu istraživanja nelinearnih fenomena na laserom gađanim metalnim površinama. Istraživanje u tom području nastavlja se kroz suradnju s Laboratorijem za molekularnu fiziku, ZFMa. Isto tako nastavljena je analiza samo-organizacijskih procesa i nestabilnosti u dinamici fluida. 

- Rad na podatkovnim strukturama, algoritmima kompresije, indeksiranju nizova i dohvatu podataka proširen je na područje kompresije slobodnog teksta i na algoritme indeksiranja DNA sekvenci. Prilagodbene značajke ranije razvijenih algoritama upotrebljene su za razvoj kompaktnih indeksiranih struktura. 

Research programme and results:

Continuation of the work on the project is directed toward measurement, analysis and modeling of complex systems and information data structures. Research encompasses following major areas with related activities and results: 

- Optimization of ultra-fast stochastic impulse electronics with high-resolution electronic circuits for short time interval measurement is utilized. Research and development of short time interval measurement methods have been continued. Application to measurement and statistical analysis of stochastic pulse generator timing characteristics is utilized. 

- Investigation of using a high-speed digital storage oscilloscope for signal data acquisition and analysis, instead of a high-resolution time interval measurement setup, in high-speed and/or high-sensitivity optoelectronic sensors and communication applications. 

- In collaboration with Division of experimental physics, a fast random number generator which relies on intrinsic randomness of the quantum physical process of photonic emission in semiconductors has been developed. Timing information of single detected photons is used to generate random binary digits-bits. In this device detection of individual photons is made by a photomultiplier (PMT). This research  is going on under the World Bank project "Quantum Random Bit Generator for Applications in Cryptography, Monte Carlo Simulations and Research" (funded by the World Bank, Technology Assistance program TAL-2, 2004-2005, project leader dr. Mario Stipčević, Division of experimental physics). Invention and prototype "Quantum random number generator" was awarded by two international gold medails and the award for inovations in 2005.

- Nonlinear time series analysis with emphasis on strange attractor reconstruction parameters optimization is described. A calculation procedure for estimation of fractal (correlation) dimension in the presence of noise is developed. Developing of measurement methodology and data acquisition protocols for human locomotion and human jaw kinematics analysis, in collaboration with Faculty of Kinesiology and with School of Dental Medicine from University of Zagreb, has been commenced.

Investigation on self-affine (fractal-like) structures from bio-signals and their extraction methods is in progress. 

- Simulation and characterization of nonlinear processes such as stress induced “wrinkle morphology” and calculations for Boussinesq, KdV, Burgers i KdV-Burgers equations are also carried out as the part of the investigation of nonlinear phenomena on laser targeted metal surfaces. Research in that area is going on in collaboration with the Laboratory for molecular physics, DMP. The work on self-organization processes analysis and fluid dynamics instability is continued. 

- Work on data structures, compression algorithms, sequence indexing and data retrieval is extended to include free text compression and DNA sequences indexing algorithms. Adaptive features of previously developed algorithms are used in the compact indexing structures development.