Defensa de tese: 'Dynamic non-parametric Bayesian clustering of time series'

Moitos sistemas revelan a súa natureza a través da repetición: un corazón que latexa, unha onda chegando a unha costa, unha máquina que cicla a través dos seus modos de operación. A pregunta fundamental non é só que formas se repiten, senón cantas son, como evolucionan e como se relacionan en secuencia. Esta tese presenta o Proceso de Dirichlet Hierárquico - agrupación de procesos gaussianos (HDP-GPC), un modelo bayesiano non paramétrico que infire un número ilimitado de prototipos de grupos en evolución a partir de datos secuenciais, con incerteza calibrada e alineación temporal explícita. A validación na análise de arritmias de ECG, na diferenciación clínica do síndrome de Takotsubo do infarto de miocardio, e na agrupación de espectros de ondas oceánicas demostra que a agrupación parsimónica e interpretable pode converterse en si mesma nunha ferramenta para descubrir os fenómenos subxacentes.

Directores: Paulo Félix Lamas e Jesús Rodríguez Presedo