20.500.12556/RUL-185497 Representation Learning and Temporal Modeling of Large-Scale Dynamic Systems Učenje predstavitev in časovno modeliranje velikih, dinamičnih sistemov Modern scientific inquiry is increasingly characterized by the analysis of massive, high- dimensional datasets. In many domains, low-dimensional embeddings have become an important tool for exploring such data: they reveal structure, support hypothesis generation, and facilitate scientific communication. However, their practical use raises methodological challenges related to scalability, reuse, interpretation, and the incorporation of temporal structure. This dissertation makes three sets of contributions. First, it develops scalable and reusable embedding infrastructure through openTSNE, a modular Python implementation of t-SNE, and a principled method for embedding new observations into existing reference maps, enabling comparative analyses and helping mitigate batch effects in single-cell genomics. Second, it introduces automated methods for interpreting embeddings, including VERA for static region-based explanations and a domain-aware annotation approach that incorporates hierarchical medical knowledge. Third, it develops methods for temporally aware embedding construction, including the directional coherence loss and related extensions that incorporate temporal structure directly into the embedding process. Evaluated on nationwide electronic health record and single-cell transcriptomics data, these contributions show how low-dimensional embeddings can be constructed, reused, interpreted, and extended to support reasoning about complex dynamic systems. Sodobne znanstvene raziskave vse bolj temeljijo na analizi velikih, visokorazsežnih podatkovnih zbirk. Na številnih področjih so dvorazsežne vložitve postale pomembno orodje za analizo velikih podatkovnih zbirk, saj v podatkih razkrivajo strukturo, pomagajo pri oblikovanju hipotez in podpirajo znanstveno komunikacijo. Njihova praktična uporaba pa predstavlja tudi številne metodološke izzive, povezane s skalabilnostjo, ponovno uporabo, interpretacijo in upoštevanjem časovne strukture podatkov. V disertaciji predstavimo tri sklope prispevkov. Prvi je razvoj skalabilne in razširljive infrastrukture, ki vključuje modularno implementacijo metode t-SNE v Pythonu, imenovano openTSNE, ter metodo za vključevanje novih vzorcev v obstoječe referenčne vložitve, kar omogoča njihovo ponovno uporabo, primerjave med zbirkami in zmanjšuje vpliv šarže pri analizi posameznih celic. Drugi sklop se osredotoča na interpretacijo vložitev z razvojem metode VERA za samodejne statične razlage na podlagi regij in domensko prilagojenega pristopa k anotaciji, ki vključuje hierarhično medicinsko znanje. Tretji sklop uvaja časovno ozaveščene pristope h gradnji vložitev z izgubo smerne koherentnosti in povezanimi razširitvami, ki časovno strukturo neposredno vključijo v postopek gradnje vložitev. Razvite pristope ovrednotimo na podatkih elektronskih zdravstvenih zapisov in na podatkih, pridobljenih iz celične transkriptomike ter pokažemo, da je nizkorazsežne vložitve mogoče zgraditi na učinkovit način, jih ponovno uporabiti, samodejno razložiti in nadgraditi tako, da bolje odražajo časovno strukturo podatkov. dimensionality reduction t-SNE interpretability temporal modeling electronic health records single-cell genomics zmanjšanje dimenzionalnosti t-SNE interpretacija časovno modeliranje elektronski zdravstveni zapisi analiza genske ekspresije true false false Angleški jezik Slovenski jezik Doktorsko delo/naloga 2026-08-06 14:35:01 2026-08-06 14:35:05 2026-08-07 04:08:28 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 35295 Policar_Pavlin_gregor_-_Ucenje_predstavitev_in_casovno_modeliranje_velikih,_dinamicnih_sistemov.pdf Policar_Pavlin_gregor_-_Ucenje_predstavitev_in_casovno_modeliranje_velikih,_dinamicnih_sistemov.pdf 1 850A208AED2AEF6E2D4D616F65E8729D 1828054fcf30660e4013332ace1ce23804928eb826fcb3afd6b7e02bcd6e8c96 eae4e578-9192-11f1-9b0d-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=244055 Fakulteta za računalništvo in informatiko 0 0 0