PuSH - Publikationsserver des Helmholtz Zentrums München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Illner, K.

Probabilistic blind source separation for data with network structures.

Probabilistische blinde Signaltrennung für Daten mit Netzwerkstruktur.

München, Technische Universität, Fakultät für Mathematik, Diss., 2015, 176 S.
Verlagsversion
In this thesis we aim to identify meaningful signals from observed multivariate mixtures using available structural information of the data and probabilistic modeling. In a blind source separation (BSS) approach for time series data we investigate the mixing pattern using limiting distributions of the mixing process. We further propose a new BSS method for network data using stationary Bayesian networks. Relevance of the method is illustrated by an application to gene expression data.
Ziel dieser Arbeit ist es, aus mehrdimensionalen Beobachtungen einzelne aussagekräftige Quellen herauszufiltern. Dabei profitieren wir von vorhandenen Informationen über die datengenerierende Struktur und von probabilistischer Modellierung. In einem "Blind source separation" (BSS) Ansatz für Zeitdaten untersuchen wir das Mischmuster mit Hilfe von Grenzverteilungen der Mischmatrix. Darüber hinaus führen wir eine neue BSS Methode für Netzwerkdaten ein, die stationäre Bayesianische Netzwerke benutzt. Die Relevanz der Methode zeigen wir in einer Anwendung auf Genexpressionsdaten.
Tags
Icb_biostatistics
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Sonstiges: Hochschulschrift
Typ der Hochschulschrift Dissertationsschrift
Sprache englisch
Veröffentlichungsjahr 2015
HGF-Berichtsjahr 0
Quellenangaben Band: , Heft: , Seiten: 176 S. Artikelnummer: , Supplement: ,
Tag d. mündl. Prüfung 2015-06-24
Betreuer Theis, F.J. (Prof. Dr. Dr.)
Gutachter Theis, F.J. (Prof. Dr. Dr.); Klüppelberg, C. (Prof. Dr.); Tresch, A. (Prof. Dr.)
Hochschule Technische Universität
Hochschulort München
Fakultät Fakultät für Mathematik
Institut(e) Institute of Computational Biology (ICB)
POF Topic(s) 30205 - Bioengineering and Digital Health
Forschungsfeld(er) Enabling and Novel Technologies
PSP-Element(e) G-503800-001
URN urn:nbn:de:bvb:91-diss-20150624-1238560-1-9
DNB ID 1074640144
Erfassungsdatum 2015-10-07
[➜Korrektur melden]