Browsing by Title

Laskettavuusteoria eli rekursioteoria tutkii idealisoidun tietokoneen laskentakyvyn rajoja. Teorian perusyksikköjä ovat laskettavat osittaiset (vrt. totaalit) luonnollisten lukujen funktiot, yksipaikkaisessa tapauksessa \varphi_0,\varphi_1,..., ja niiden määrittelyjoukot W_0, W_1..., eli niin kutsutut rekursiivisesti lueteltavat joukot. Produktiiviset joukot ovat tyyppiesimerkkejä joukoista, jotka eivät ole rekursiivisesti lueteltavia: A ⊆ N on produktiivinen, jos jokin totaali laskettava funktio, A:n produktiivinen funktio, laskee kunkin W_x ⊆ A indeksistä x todistajan sille, että A \neq W_x. Produktiiviset joukot ovat laskettavuusteoriassa tärkeitä erityisesti siksi, että rekursiivisesti lueteltavista joukoista tietyllä tavalla monimutkaisimpia ovat ne, joiden komplementti on produktiivinen. Kanoninen esimerkki tällaisesta joukosta on tärkeän pysähtymisongelman diagonaali K. Laajempaa merkitystä matemaattisessa logiikassa tuo produktiivisuuden yhteys riittävän vahvojen aritmetiikan aksioomasysteemien teoreemojen ja aritmetiikan standardimallin toden teorian Gödel-lukuihin. Työn tarkoituksena on tutkia produktiivisia joukkoja ja niiden produktiivisia funktioita yleisesti, sekä antaa esimerkkejä. Nähdään mm., että äärettömällä rekursiivisesti lueteltavalla joukolla on kontinuumin verran produktiivisia osajoukkoja, ja että joukolla N on maksimaalinen määrä osituksia produktiivisiin joukkoihin niin äärellisessä kuin äärettömässäkin tapauksessa. Nähdään myös, että jokainen totaali laskettava injektio on produktiivinen funktio, mutta surjektioille sama ei päde, ja että produktiivisen joukon produktiivinen funktio saa aina myös ''turhia'', joukon ulkopuolisia arvoja. Monista esitettävistä laskettavien funktioiden indekseistä koostuvista produktiivisista joukoista paneudutaan erityisesti potenssijoukon laskettavuusteoreettiseen mukaelmaan, joukkojen A\subsetneq\N laskettaviin potenssijoukkoihin prod(A) = {x∈ N : W_x ⊆ A}. Niiden ympäriltä paljastuu rikas struktuuri. Jos A ⊆ prod(A), sanotaan että A on kasvava, ja jos prod(A) ⊆ A, sanotaan että A on vähenevä. Joukkoa, joka on sekä kasvava että vähenevä, sanotaan (laskettavan potenssijoukko-operaation) kiintopisteeksi. Kuten usein laskettavuusteoriassa, K toimii tässäkin kontekstissa eräänlaisena maamerkkinä. Osoitetaan, että kiintopisteiden joukossa on suppein ja laajin ja laajimman, θ:n, komplementti on rekursiivisesti lueteltava. Nähdään, että kukin A ⊆ θ voidaan kasvattaa suppeimmaksi A:n sisältäväksi kasvavaksi joukoksi prosessilla, jonka pituus on korkeintaan ω askelta. Annetun joukon kasvattaminen vastaavasti väheneväksi (mahdollisesti kiintopisteeksi) on huomattavasti kompleksisempaa ja johtaa määrittelemään sopivia ordinaalinotaatiosysteemejä. Jos A on esimerkiksi aidosti kasvava, niin prod-operaatiota on tätä varten toistettava (seuraajaordinaalien kohdalla; rajaordinaaleissa otetaan yhdiste) ainakin ω_1^{CK} kertaa, missä ω_1^{CK} on pienin ei-rekursiivinen ordinaali, eli Churchin-Kleenen ordinaali. Rekursiivisen aidosti kasvavan lähtöjoukon (esim. ∅) tapauksessa todistetaan yhtäsuuruus.

Sisältöjen automaattinen suosittelu on oleellinen osa nykyaikaista verkkomediapalvelua. Ohjelmien automaattinen suosittelu on merkittävässä asemassa myös Yle Areenassa. Yle Areenan tarjonta koostuu useista kymmenistä tuhansista ohjelmista, joten on perusteltua, että käyttäjää autetaan löytämään hänelle relevanttia sisältöä. Verkkomediapalvelujen käyttäjäkunnat koostuvat joukosta yksilöitä. Sen vuoksi sisältöjen suosittelun täytyy mukautua kunkin käyttäjän yksilöllisiin tarpeisiin. Sisältöjen suosittelumenetelmät jaetaan yhteistoiminnallisiin suosittelumenetelmiin (engl. collaborative filtering), sisältöön perustuviin suosittelumenetelmiin (engl. content-based recommendation) tai jonkinlaiseen edellä mainittujen yhdistelmään. Yhteistoiminnalliset suosittelumenetelmät jaetaan edelleen muistipohjaisiin (engl. memory-based) suosittelumenetelmiin ja mallipohjaisiin (engl. model-based) suosittelumenetelmiin. Yleisradio tarjoaa lapsille oman verkkomediapalvelun, Lasten Areenan. Lasten Areenassa ei tällä hetkellä suositella sisältöjä automaattisesti, vaan sisällöt järjestetään medioiden julkaisuajankohdan perusteella. Lastenohjelmia on myös tarjolla runsaasti, jolloin lapset ovat aikuisten tapaan saman haasteen äärellä: miten löytää sisältövalikoimasta itselle mieluista tai hyödyllistä sisältöä. Tässä tutkielmassa selvitetään, minkälainen toteutustapa tulisi valita Lasten Areenan sisältöjen automaattiseen suositteluun. Tutkimuksessa tarkastellaan Areenan ohjelmien toistotietojen erityispiirteitä sekä vertaillaan erilaisia sisältöjen suosittelumenetelmiä. Tutkielmassa mitataan Areenan olemassa olevan suosittelujärjestelmän soveltuvuutta Lasten Areenan sisältösuositusten tuottamiseen. Lisäksi tutkimusta varten on toteutettu muistipohjainen suosittelujärjestelmä. Tutkielmassa mitataan myös sen tuottamien suositusten soveltuvuutta Lasten Areenan sisältösuosituksiksi. Soveltuvuutta mitataan herkkyys-mittarilla (engl. Recall), normalisoidulla diskontatulla kumulatiivisella arvolla (engl. Normalized Discounted Cumulative Gain) sekä monimuotoisuutta mittaavalla käänteisellä Simpson-indeksillä (engl. Inverse Simpson Index). Käänteisen Simpson-indeksin käyttö on suosittelualgoritmien yhteydessä harvinaista, mutta laissa määritellystä Yleisradion tehtävästä johtuen sen käyttö on perusteltua. Tutkimuksessa saatujen tulosten perusteella Areenan olemassa oleva suosittelujärjestelmä soveltuu nykyisessä muodossaan parhaiten myös Lasten Areenan sisältöjen automaattiseksi suosittelumenetelmäksi.

Euroopan Unionin direktiivi 97/43/Euratom ja Sosiaali- ja terveysministeriön asetus 423/2000 velvoittavat Säteilyturvakeskuksen antamaan diagnostiset vertailutasot yleisimmille röntgen- ja isotooppitutkimuksille. Lapsipotilas on radiologisissa tutkimuksissa erityisen huomion kohteena aikuisia korkeammasta säteilyriskistä johtuen. Tämän työn tarkoituksena oli selvittää aikaisemmat tiedot lasten röntgentutkimusten säteilyannoksista, esittää menetelmä lapsipotilaan koon huomioon ottamiseksi vertailutasoja asetettaessa ja arvioida röntgentutkimuksista aiheutuvaa säteilyriskiä. Lasten rintakehätutkimusten säteilyannoksia mitattiin kahdesta sairaalasta annosaineiston täydentämiseksi ja mittausmenetelmien soveltuvuuden varmistamiseksi. Pinta-annos (ESD) määritettiin säteilyntuottomittausten avulla ja annoksen ja pinta-alan tulo (DAP) DAP-mittarin avulla. PCXMC-annoslaskentaohjelman avulla laskettiin rintakehätutkimuksista keskimäärin aiheutuvat efektiiviset annokset, joiden avulla arvioitiin säteilyriskiä ikäryhmittäin. Tutkimuksessa käytetty aineisto koostui yhteensä kahdeksasta sairaalasta kerätyistä annostiedoista. Rintakehän röntgentutkimuksia oli 700, virtsateiden toiminnan läpivalaisututkimuksia (MCU) 100 ja muita natiiviröntgen sekä läpivalaisututkimuksia 10 - 30. Rintakehätutkimusten säteilyannokset olivat pienempiä kuin useissa muissa julkaistuissa tutkimuksissa. Yhdestä rintakehätutkimuksesta aiheutuvaksi efektiiviseksi annokseksi arvioitiin ikäryhmittäin 8 - 34 μSv. Pienten lasten muita korkeampi säteilyriski kompensoitui muita ikäryhmiä alhaisemmista säteilyannoksista johtuen. Rintakehän tutkimusten säteilyannokset kasvoivat eksponentiaalisesti potilaan koon kasvaessa, korrelaatiokertoimet säteilyannoksiin sovitetuille käyrille olivat 0,86 - 0,99. Vastaava eksponentiaalinen kasvu oli havaittavissa myös muissa tutkimuksissa, mutta niissä aineisto oli puutteellinen. Epävarmuusarvion perusteella toiminnanharjoittajat voivat määrittää potilasannoksiaan 20 %:n epävarmuudella. Iso-Britannian säteilysuojeluviranomaisen (NRPB) esittämän menetelmän lasten vertailutasojen asettamiseksi todettiin aiheuttavan lisää epävarmuutta (12 - 40 %) ja menetelmä oli työläs soveltaa. Vertailutasot lasten röntgentutkimuksille tulisi asettaa lineaarisena käyränä puolilogaritmisella asteikolla potilaan paksuuden funktiona. Tällä hetkellä annostietoja ei ole riittävästi vertailutasojen asettamiseksi, lisäksi käytettävissä oleva aineisto on osittain vanhentunutta. Vertailutasojen asettamiseksi annostietoja tulisi kerätä yli 20 sairaalasta keskittyen yliopistollisiin sairaaloihin ja keskussairaaloihin, joissa lasten röntgentutkimuksia tehdään eniten.

Lake sediments from Valkea–Kotinen, a small lake in the Evo area of southern Finland, were analysed to provide a high–resolution reconstruction of the fire episode and vegetation structure histories of the past ca. 1700 years at the site. Mixing of sediment was a problem in approximately the top half of the core, affecting the accuracy of the chronology and the correct interpretation of pollen and charcoal accumulation. Six local fire episodes were identified using the CharAnalysis program with a mean fire return interval of 312 years. None these episodes could be attributed to human activities with the exception of the episode at ca. 15 cal yr BP which may have been due to the controlled burning of forest for regeneration elsewhere in Evo. The vegetation structure was typical for southern Finland with Picea, Pinus, Alnus, and Betula dominating the site. Signals of human activity such as an increase in Cerealia pollen alongside an increase in microcharcoal from ca. 1000 cal yr BP indicate regional slash and burn activity. An episodic Alnus decline is evident from ca. 1400 cal yr BP with a subsequent recovery at around 1000 cal yr BP. The results show that the local fire regime at Valkea–Kotinen is likely natural and the vegetation structure has been consistent with little anthropogenic influence over the last ca. 1700 years.

Det finns en mätbar entitet i all levande materia, nämligen förhållandet mellan ett atomslags lätta och tunga isotop. Denna entitet divideras med en definierad referens och ett värde erhålls som brukar anges i promille ( ). Värdet är ett mått på isotopfraktionering. Genom att studera ekologi, taxonomi, kretslopp, isotopeffekter, dokumenterad data och metabola effekter kan man skissera över vad isotopfraktionen betyder. Migrationsbeteende, trofinätverk, dieter, miljö- och klimatdata kan rekonstrueras i tid och rum. Vid rekonstruktioner av gången tid har de museala samlingarna en nyckelposition. I litteraturöversikten tas teori, praktik och forskning upp för att påvisa metodens faror och användningsområden.

The thesis examines the theory of lattice models used in statistical physics from a mathematical perspective, and provides a case study of box-crossing property by proving Russo-Seymour-Welsh estimates in percolation model and the box-crossing property in the critical FK Ising (random cluster) model. The thesis is self-contained in its use of probability theory, but a general measure theory background is assumed.

Äärellistä ryhmää, jonka kertaluku on jonkin alkuluvun p potenssi kutsutaan p-ryhmäksi. Lazardin korrespondenssi sanoo, että jokaista äärellistä p-ryhmää, jonka nilpotenssiluokka on aidosti pienempi kuin alkuluku p vastaa Lien rengas, joka on määritelty samassa joukossa. Lazardin korrespondenssin tärkein työkalu on Baker-Campbell-Hausdorffin kaava (BCH-kaava). Käyttämällä BCH-kaavaa voidaan Lazardin korrespondenssin ehdot täyttävälle Lien renkaalle antaa multiplikatiivisen p-ryhmän rakenne. Äärelliselle p-ryhmälle voidaan antaa Lien renkaan rakenne määrittelemällä summa ja Lie-tulo BCH-kaavan käänteiskaavoja käyttämällä.

Tämän tutkielman tarkoituksena on tutkia, kuinka kohteena olevasta ohjelmistokehitysprojektista voidaan havainnoida hukkaa, minkä tyyppisiä ja kuinka paljon mitäkin hukkaa havaitaan ja kuinka näitä hukkia voidaan poistaa. Tutkielmassa esitellään myös yksi lähestymistapa hukan lähteiden poistamisen priorisointia varten. Tutkielmassa alussa tutustutaan Lean-ajatteluun yleisesti ja tarkemmin sen soveltamiseen ohjelmistokehityksessä. Erityisenä mielenkiinnon kohteena on Lean määritysten mukainen hukka sekä kuinka sitä voidaan havaita ja poistaa ohjelmistokehitysprosessista. Tutkielmassa myös esitellään käytetyt tutkimusmenetelmät, menetelmien tulokset ja analysoidaan niitä. Tarkastelun kohteena oli erään valtiollisen toimijan IT-yksikön ohjelmistokehitysprojekti, joka alkoi joulukuussa 2011 ja päättyi vuoden 2015 maaliskuussa. Projektissa käytettiin monia ketteriä kehitysmenetelmiä, mutta ei Lean-menetelmiä suoranaisesti. Tutkielman aineisto kerättiin kartoittamalla arvovirtoja sekä muistioiden, raporttien, haastatteluiden ja kyselyn sisältöanalyysillä. Havaitut hukan lähteet jaoteltiin ohjelmistokehitykseen sovellettuihin 7 hukan luokkaan ja niiden aiheuttamasta hukasta pyrittiin keräämään mahdollisimman paljon vertailukelpoista tietoa. Luokkien mitattua hukkaa myös verrattiin koettuun hukkaan, jota mitattiin kyselyllä. Projektista pystyttiin havainnoimaan jokaisen luokan mukaista hukkaa. Suurimmasta osasta saatiin kuitenkin vain viitteellistä tietoa, eikä näiden määrää tai vaikutusta pystytty projektista kerätyistä tiedoista osoittamaan. Ne hukat, jotka saatiin mitattua, olivat kyselylomakkeella kerätyn aineiston mukaan paljon hukkaa aiheuttavia. Vastavuoroisesti jotain merkittäviksi koettuja hukkia ei pystytty mitta-aineistosta havaitsemaan. Kerättyjen tietojen perusteella voitiin tehdä selviä johtopäätöksiä hukista ja antaa suosituksia näiden poistamiseksi tai niiden vaikutuksen vähentämiseksi. Jatkotutkimuksen kohteiksi tunnistettiin esimerkiksi annettujen suositusten vaikutuksen tarkasteleminen.

This thesis addresses score-based learning of Bayesian networks from data using a few fast heuristics. The algorithmic implementation of the heuristics is able to learn size 30-40 networks in seconds and size 1000-2000 networks in hours. Two algorithms, which are devised by Scanagatta et al. and dubbed Independence Selection and Acyclic Selection OBS have the capacity of learning very large Bayesian networks without the liabilities of the traditional heuristics that require maximum in-degree or ordering constraints. The two algorithms are respectively called Insightful Searching and Acyclic Selection Obeying Boolean-matrix Sanctioning (acronym ASOBS) in this thesis. This thesis also serves as an expansion of the work of Scanagatta et al. by revealing a computationally simple ordering strategy called Randomised Pairing Greedy Weight (acronym RPGw) that works well as an adjunct along with ASOBS with corresponding experiment results, which show that ASOBS was able to score higher and faster with the help of RPGw. Insightful Searching, ASOBS, and RPGw together form a system that learns Bayesian networks from data very fast.

Planning and decision making are active areas of research in cognitive neuroscience that strive to explain how the brain makes decisions in complex scenarios. Research in this field has traditionally been restricted to simplistic experiments such as two-alternative forced choice situations, and has relatively recently broken into more naturalistic settings with the help of computational modeling and games. Importantly, these computational models aim to be interpretable, meaning that they are crafted in a way that what each parameter means has a clear meaning, perhaps in contrast to massive neural networks. However, the latter may better capture more complex behaviors that the hand-crafted model could miss, so it may be desirable to use a neural network as a guide or ``oracle'' to study and improve the parameters to include in the interpretable model. In this thesis, we present GPT-4IAR, a transformer neural network architecture for modeling and predicting human behavior in the board game four-in-a-row (4IAR). Building upon previous studies that use fully connected neural networks to improve models around 4IAR, and the excellent capabilities of the GPT architecture in tasks where data is sequential, we train a transformer on millions of games of 4IAR to study biases that arise in human decision making. Experiments show that conditioning action predictions on longer histories of previous moves leads to improved accuracy over prior state-of-the-art models, hinting at longer-term strategic biases in human gameplay. Reaction time prediction is also explored, showing promise in capturing meaningful gameplay statistics beyond raw actions.