Το εργαστήριο Στατιστικής Μηχανικής Μάθησης του Τμήματος ΗΜΜΥΠΛΗ του ΤΕΧΝΟΛΟΓΙΚΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΚΥΠΡΟΥ ανακοινώνει ότι μια εκ των προσφάτων δημοσιεύσεών του σε κορυφαίο venue του αντικειμένου τους, συγκεκριμένα το άρθρο με τίτλο «A Probabilistic Approach for Failure Localization», έλαβε το Best Paper Award του 21st International Conference on Optical Network Design and Modeling (ONDM 2017). Στο συνέδριο παρουσίασαν την έρευνά τους ομάδες από κορυφαία ερευνητικά κέντρα διεθνώς, περιλαμβανομένων των University of Melbourne, Orange Labs, Nokia Networks, Technische Universität Berlin, University College London, Huawei, British Telecom Group, NICT Japan, University of California, Davis και Facebook Research Labs, USA.

Η εν λόγω εργασία παρουσίασε μια καινοτόμο μέθοδο χωρικού εντοπισμού σφαλμάτων σε οπτικά δίκτυα μέσω της χρήσης κορυφαίων μεθόδων Στατιστικής Μηχανικής Μάθησης, συγκεκριμένα Approximate Variational Inference for Hierarchical Graphical Networks. Η εν λόγω μέθοδος προσφέρει το ρηξικέλευθο πλεονέκτημα ότι μπορεί να «εκπαιδευθεί» από ιστορικά δεδομένα να ασκεί αποδοτικά τον εν λόγω εντοπισμό, χωρίς να χρειάζεται μεσολάβηση ανθρώπων/experts. Ακόμα πιο σημαντικά, αυτή η λειτουργία μπορεί να γίνει αποδοτικά χωρίς να απαιτείται μεγάλη διαθεσιμότητα ιστορικών δεδομένων. Τουναντίον, διαθεσιμότητα περιορισμένων και «αραιών» δεδομένων είναι επαρκής, ως απότοκο του αποδοτικού σχεδιασμού της με χρήση κορυφαίων εργαλείων συναφών με το Μπεϋζιανό υπόδειγμα συμπερασμού.

Η εργασία εκπονήθηκε από μέλη του εργαστηρίου Στατιστικής Μηχανικής Μάθησης του Τμήματος ΗΜΜΥΠΛΗ, υπό την καθοδήγηση του επικεφαλής, Δρ. Σ. Χατζή. Τεχνογνωσία στο αντικείμενο των οπτικών δικτύων συνεισέφερε επίσης ο Δρ. Γεώργιος Έλληνας, από το Πανεπιστήμιο Κύπρου.