Multivalued and non-symmetric operators for sequential information processing
Consultable a partir de
2026-03-15
Fecha
2024Autor
Versión
Acceso embargado 2 años / 2 urteko bahitura
Tipo
Tesis doctoral / Doktoretza tesia
Impacto
|
10.48035/Tesis/2454/47786
Resumen
Las estructuras de datos multivaluadas son un tipo de organización de datos que permiten
representar información compuesta por varios atributos, variables, dimensiones
o coordenadas. Para su funcionamiento básico se dotan de operaciones básicas como
la igualdad, comparación y orden. A partir de estas se definen operaciones como, por
ejemplo, la agregación de información. Un tipo de dato multi ...
[++]
Las estructuras de datos multivaluadas son un tipo de organización de datos que permiten
representar información compuesta por varios atributos, variables, dimensiones
o coordenadas. Para su funcionamiento básico se dotan de operaciones básicas como
la igualdad, comparación y orden. A partir de estas se definen operaciones como, por
ejemplo, la agregación de información. Un tipo de dato multivaluado de especial interés
es la información secuencial, en el cual existe una dependencia temporal, espacial o de
orden entre sus elementos. Ejemplos relevantes de información secuencial son el texto
(lenguaje natural) o las series temporales.
En esta tesis presentamos un nuevo framework para información multivaluada. De
esta manera, presentamos nuevos métodos de agregación de información multivaluada.
Para ello, se extienden funciones que tienen en cuenta la posible relación entre los
datos internos a la estructura multivaluada. Dado que estas funciones necesitan una
ordenación de sus argumentos, se presentan distintos enfoques: por componentes individuales
y proponiendo un nuevo método de ordenación. Estas funciones se aplican
en la fusión de información secuencial en redes neuronales recurrentes. En el contexto
multivaluado también se presenta un nuevo método para la comparación de estructuras
multivaluadas.
De forma complementaria, se considera un problema adicional en el procesamiento
de información secuencial: la simetría. Se considera que, en la agregación de información
secuencial, el orden de los argumentos es una cuestión de gran relevancia. Por lo tanto,
el uso de funciones simétricas no tiene sentido, dado que puede que estemos rompiendo
la correlación temporal. Por ello, se presentan nuevos métodos de construcción de
funciones de agregación no-simétricas. Estas serán aplicadas en tareas de agregación de
información con dependencia secuencial, como puede ser el procesamiento de texto en
redes neuronales convolucionales y la combinación de modelos de predicción de series
temporales. [--]
Multivalued data structures are recurrent tools for organizing data, often enabling the
representation of information that encompasses multiple attributes, variables, dimensions
or coordinates. Their basic management and processing is reliant on basic operations
such as equality, comparison and order. On top of these operations, more complex
operations (as the aggregation of information) can ...
[++]
Multivalued data structures are recurrent tools for organizing data, often enabling the
representation of information that encompasses multiple attributes, variables, dimensions
or coordinates. Their basic management and processing is reliant on basic operations
such as equality, comparison and order. On top of these operations, more complex
operations (as the aggregation of information) can be defined. Among the different
uses of multivalued data structures, one of particular relevance is the representation of
sequential information, a type of data in which the individual elements have temporal,
spatial or orderly dependency on each other. Examples of sequential data are natural
language and time series.
In this thesis, we present a new framework for multivalued information processing.
We present new methods for aggregating multivalued information. We extend functions
that take into account the possible relation between the data. Since these functions
require the ability to sort their arguments, two different approaches are presented:
componentwisely and by proposing a new ordering method. These functions are applied
in the fusion of sequential information in recurrent neural networks. In the multivalued
context, a new method for the comparison of multivalued structures is also presented.
Complementarily, an additional topic in sequential information processing is considered:
the symmetry of the information processing operators. In the aggregation of
sequential information, the order of the arguments is a matter of great relevance, and
therefore the use of symmetric functions does not make sense, since we may be breaking
the temporal correlation. Therefore, new methods for constructing non-symmetric
aggregation functions are presented, with application to the aggregation of sequentially
dependent information such as in text-based convolutional neural networks, as well as
in the combination of time series prediction models. [--]
Materias
Multivalued and non-symmetric operators,
Sequential information processing,
Multivalued information processing,
Non-symmetric aggregation functions
Departamento
Universidad Pública de Navarra. Departamento de Estadística, Informática y Matemáticas /
Nafarroako Unibertsitate Publikoa. Estatistika, Informatika eta Matematika Saila