Τα συστήματα αναγνώρισης γεγονότων δέχονται ως είσοδο ροές δεδομένων επί των οποίων προσπαθούν να εντοπίσουν ενδιαφέροντα μοτίβα, με βάση κάποιους κανόνες που έχει ορίσει ο χρήστης. Τέτοια συστήματα έχουν μελετηθεί και αναπτυχθεί σε διάφορα ερευνητικά πεδία, όπως αυτά της Τεχνητής Νοημοσύνης, των Κατανεμημένων Συστημάτων και της Τεχνολογίας Λογισμικού. Ως επόμενο βήμα μετά την αναγνώριση καθεαυτή θεωρείται και η δυνατότητα για πρόβλεψη γεγονότων πριν αυτά συμβούν κι εντοπιστούν από το σύστημα αναγνώρισης. Σκοπός αυτής της εργασίας είναι η ανάπτυξη ενός συστήματος αναγνώρισης γεγονότων καθώς και πιθανοτικής πρόβλεψής τους. Ως βάση του συστήματος θα χρησιμοποιηθεί ο φορμαλισμός των αυτομάτων και διάφορων παραλλαγών τους, όπως τα συμβολικά αυτόματα.
Αναλόγως των ενδιαφερόντων του φοιτητή, η εργασία μπορεί να κινηθεί προς διάφορες κατευθύνσεις, όπως (ενδεικτικά) οι παρακάτω:
Ανάπτυξη ενός μεταγλωττιστή για τη μετάφραση κανόνων σε αυτόματα.
Επέκταση των εκφραστικών δυνατοτήτων των συμβολικών αυτομάτων.
Εφαρμογή της θεωρίας των μαρκοβιανών αλυσίδων σε συμβολικά αυτόματα.
Σύγκριση διαφορετικών συστημάτων πρόβλεψης γεγονότων (π.χ., πιθανοτικά συμβολικά αυτόματα σε σχέση με πιθανοτικά προθεματικά δέντρα).
Ενδεικτική βιβλιογραφία:
D’Antoni, Loris and Veanes, Margus, The power of symbolic automata and transducers, International Conference on Computer Aided Verification, 2017
Grez, Alejandro and Riveros, Cristian and Ugarte, Martín, Foundations of Complex Event Processing, arXiv:1709.05369, 2017
Alevizos, Elias and Artikis, Alexander and Paliouras, George, Event Forecasting with Pattern Markov Chains, DEBS, 2017