Uma equipe de pesquisa internacional liderada por cientistas da Universidade Metropolitana de Osaka desenvolveu um método para identificar simetrias em dados multidimensionais usando técnicas estatísticas bayesianas.
Essa abordagem estatística requer cálculos complexos de integrais, que geralmente são considerados apenas aproximações. Em seu novo estudo, a equipe de pesquisa derivou com sucesso novas fórmulas integrais exatas. Suas descobertas contribuem para melhorar a precisão dos métodos de identificação de simetrias de dados, possivelmente estendendo suas aplicações para áreas de interesse mais amplas, como a análise genética.

As simetrias da natureza tornam as coisas belas; simetrias nos dados tornam o manuseio de dados eficiente. No entanto, a complexidade de identificar esses padrões nos dados sempre incomodou os pesquisadores. Cientistas da Universidade Metropolitana de Osaka e seus colegas deram um grande passo para detectar simetrias em dados multidimensionais, utilizando estatísticas Bayesianas. Suas descobertas foram publicadas em The Annals of Statistics .

A estatística bayesiana tem estado em destaque nos últimos anos devido a melhorias no desempenho do computador e suas potenciais aplicações em inteligência artificial. A estatística bayesiana é uma abordagem estatística que, mesmo quando os dados são insuficientes, deriva a probabilidade de um evento ocorrer primeiro definindo uma probabilidade anterior e, então, sempre que novas informações são obtidas, calculando uma probabilidade posterior - uma atualização da probabilidade anterior - de que o evento ocorrerá. O cálculo de probabilidades posteriores requer cálculos complexos de integrais e, portanto, muitas vezes é considerado apenas uma aproximação.

A equipe internacional, incluindo o professor Hideyuki Ishi da Universidade Metropolitana de Osaka, o professor Piotr Graczyk da Universidade de Angers, o professor Bartosz Kołodziejek da Universidade de Tecnologia de Varsóvia e a falecida professora Hélène Massam da Universidade de York (Toronto) conseguiu derivar novas fórmulas integrais exatas , e no desenvolvimento de um método de busca de simetrias em dados multidimensionais usando técnicas estatísticas Bayesianas.

Quando a quantidade de dados a serem manipulados aumenta, o padrão ideal deve ser selecionado a partir de um grande número de padrões, dificultando a resolução do problema com precisão. Enfrentando esse desafio, a equipe também desenvolveu um algoritmo eficiente para obter uma solução aproximada mesmo nesses casos.

Nas palavras do professor Ishi, "As simetrias nos dados são onipresentes em uma ampla variedade de modelos. Uma vez identificadas as simetrias, o número de parâmetros necessários para exibir a estrutura dos dados e o número de amostras necessárias para determinar os parâmetros podem ser significativamente reduzido. No futuro, espera-se que os resultados desta pesquisa contribuam para a análise genética, descobrindo cromossomos que têm a mesma função em diferentes locais." + Explorar mais

A seleção do modelo bayesiano mostra um comportamento extremamente polarizado quando os modelos estão errados