Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

Magyar tudósok kutatása segíthet előre jelezni a váratlan eseményeket


    Magyar kutatók új matematikai módszert dolgoztak ki, amely segíthet előre jelezni váratlan eseményeket az adatsorok újszerű elemzésével. A kutatók eredményeikről a Scientific Reports című tudományos lapban számoltak be január 7-én – tájékoztatta a Wigner Fizikai Kutatóközpont az MTI-t csütörtökön.

    Mint a közleményben olvasható, a módszerrel akár hatékonyabban előre jelezhető lehet egy újabb gazdasági világválság vagy éppen egy közelgő szívroham is. Az innováció számos tudományos, üzleti vagy egészségügyi területen jelenthet új lehetőségeket.


    Az „Unikornisvadász”, azaz anomáliadetekciós algoritmusokkal kapcsolatos tanulmány szerzői Benkő Zsigmond biofizikus, Bábel Tamás orvos és Somogyvári Zoltán, a Wigner Fizikai Kutatóközpont tudományos főmunkatársa.


    A tanulmány a Wigner Fizikai Kutatóközpont, Komputációs Tudományok osztályán folyó munka eredménye, ahol többek között olyan új számítógépes módszereket fejlesztenek, amelyek segítenek az információtengerben, a „big data” állományban megtalálni a rendkívüli és váratlan helyzetekre előre utaló adatokat.


    A kutatók szerint mindennapi életünk általában kiszámíthatóan telik, azonban sokszor megtörténik a váratlan: kihagy alvás közben a szívverésünk, hó esik áprilisban, vagy beszakad a tőzsde, összeomlik a pénzpiac. „Ha minden váratlan fordulat nem is, de vannak olyan rendkívüli események, melyek a hétköznapi életünket leíró adatsorokon is nyomot hagynak” – írják.


    Ezeket, mint a közleményben írják, sokszor egyszerű felismerni, egy tőzsdei összeomlás például „szabad szemmel” is észrevehető árfolyamingadozással jár, máskor azonban sokkal rejtettebbek, az EKG apró eltérései csak a szakembernek tűnnek fel.


    Az ilyen, nem nyilvánvaló változások megtalálására anomáliadetekciós algoritmusokat használnak a nagy adatsorok elemzői. Egy ilyen algoritmust fejlesztettek ki a magyar kutatók, amely segíthet megjósolni, hogy mit hoz a jövő az élet és az üzleti világ számos területén.


    A közlemény szerint a váratlan események sokszor nemcsak váratlanok, hanem ismeretlenek is, ezért felismerésük az automatikus módszerek számára komoly kihívást jelent. A Wigner Fizikai Kutatóközpont, Komputációs Tudományok osztályán dolgozó kutatók új, rendkívüli események felismerésére alkalmas módszerével azonban felfedezhetőek lesznek ezek az „unikornisok”: az olyan váratlan, hosszan mért idősorokon megjelenő események, melyeknek előre nem ismerjük a jellegzetességeit.


    A beszámoló szerint a tanulmányban ismertetett módszer először olyan számítógépes teszteken mutatta képességeit melyek során a kutatók generálták és helyezték el az anomáliákat. Itt olyan egyedi eseményeket fedeztek fel vele, melyek az emberi szem számára sokszor láthatatlanok, és olyanokat is, amelyekkel más hasonló anomáliadetekciós algoritmusok nem boldogulnak. Az új „unikornis” algoritmus azonban többre is képes: mikor valódi mért adatsorokon alkalmazták, ahol már egy-egy rendkívüli esemény ismert volt, megtalálta például egy a szív működését figyelő EEG adatsoron az alvás során bekövetkező rövid légzésmegakadás (apnoe) jeleit, ami segíthet az orvosoknak megfelelő kezelést választani. Ugyanígy baljós jelzést vett észre a 2008-as nagy összeomlás előtt a banki tranzakciók korábbi adatait vizsgálva az egyik fontos kamatmutatóban, a LIBOR indexen – olvasható a közleményben.