Projekttitel: Neuronnätsbaserad klassificering av rumsliga punktprocessmodeller

Abstrakt: Det klassiska modellvalet för rumsliga punktmönster (Poisson, Matérn/Thomas, Strauss/Gibbs, DPP) bygger på parameteranpassning och jämförelse av sammanfattningsmått (K/L, parkorrelation g(r), G, F, J). Med modern beräkningskraft kan vi träna icke-parametriska klassificerare som direkt identifierar den genererande processen från data. Projektet förenar spatial statistik, stokastisk geometri och modern ML. För studenter i tillämpad matematik/data/CS med sannolikhet, statistik och linjär algebra.

Projektbeskrivning

Språk: Rapporten ska skrivas på svenska, men handledningen kommer ske delvis på engelska.

Projektkod: MVEX11-26-17

Gruppstorlek: 3-4 studenter

Målgrupp: GU- och Chalmersstudenter. För GU-studenter räknas projektet som ett projekt i Tillämpad Matematik (MMG900/MMG920) eller Matematisk statistik (MSG900/MSG910).

Projektspecifika förkunskapskrav: Se respektive kursplan för allmänna förkunskapskrav. Utöver de allmänna förkunskapskraven i MVEX11 ska Chalmersstudenter ha avklarat kurser i en- och flervariabelanalys, linjär algebra och matematisk statistik.

Handledare: Sergei Zuev (sergei.zuyev@chalmers.se)

Examinator: Dennis Eriksson

Institution: Matematiska vetenskaper