List of Publications

Transkriptio

1 List of Publications Sami Äyrämö Faculty of Information Technology P.O. Box 35 (Agora) FI University of Jyväskylä September 29, 2018 A Refereed scientific articles 1. Girka, A., Kulmala, J.-P., & Äyrämö, S. (2018). Deep Learning Approach for Prediction of Impact Peak Appearance at Ground Reaction Force Signal of Running Activity. Computer Methods in Biomechanics and Biomedical Engineering. Under review. 2. Ojala, T., Rahkonen, S., Kuopio, T., Wirta, E.-V., Äyrämö, S., Kuopio, T., & Pölönen, I. (2018). Counting cells and predicting Immunoscore using Gradient Boosted Convolutional Neural Networks, Medical & Biological Engineering & Computing. Submitted. 3. Jauhiainen, S., Äyrämö, S., Forsman, H., & Kauppi, J.-P. (2018). Talent Identification in Soccer Using a One-Class Support Vector Machine. Expert Systems With Applications. Under review. 4. Moilanen, H., Äyrämö, S., & Kankaanranta, M., (2018). Collecting and using students digital well-being data in multidisciplinary teaching, Education Research International. Under review. 5. Kuoremäki, R., Äyrämö, S., & Poskiparta, M. (2018). A cluster-analysis approach to determining the effects of autonomous and controlled motivation on self-initiated ehealth use and physical activity of the elderly. International Journal of Medical Informatics. Submitted. 6. Moilanen, H., Äyrämö, S. & Kankaanranta, M. (2018). Fysiikkaa liikkuen-7-luokkalaisten oppilaiden ja opettajien kokemuksia kehollisesta opetuksesta fysiikassa. M. Rautiainen & M. Tarnanen (Eds.), Ainedidaktisia tutkimuksia. AD2018. Under review. 7. Saarela, M., Ryynänen, O-P. & Äyrämö, S. (2018). Predicting Hospital Associated Disability from Imbalanced Data Using Supervised Learning, Artificial Intelligence in Medicine. In print. 8. Rosso, V., Gastaldi, L., Rapp, W., Lindinger, S., Vanlandewijck, Y., Äyrämö, S., & Linnamo, V. (2018). Balance perturbations as a measurement tool for trunk impairment in cross country sit skiing, Adapted physical activity quarterly, in print. 9. Niemelä, M., Äyrämö, S., & Kärkkäinen, T. (2018). Comparison of cluster validation indices with missing data, ESANN 2018: Proceedings of the 26th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, (pp ). 10. Moilanen, H., and Äyrämö, S. & Kankaanranta, M. (2017). Detecting pupils opinions on learning physics bodily by unsupervised machine learning, accepted to Proceedings of E-Learn World Conference on E-Learning 2018 (AACE).

2 11. Moilanen, H., Äyrämö, S., & Kankaanranta, M., Learning physics outside the classroom by combinating use of tablets and bodily activity, accepted to Proceedings of EdMedia + Innovate Learning Conference 2018 (AACE). 12. Niemelä, M., Kulmala, J.-P., Kauppi, J.-P., Kosonen, J., & Äyrämö, S. (2017). Prediction of active peak force using a multilayer perceptron. Sports Engineering, 20 (3), Äyrämö, S., Pölönen, I., & Eskelinen, M. (2017). Clustering Incomplete Spectral Data with Robust Methods. In E. Honkavaara, B. Hu, K. Karantzalos, X. Liang, R. Müller, E. Nocerino,..., & P. Rönnholm (Eds.), ISPRS SPEC3D 2017 : Frontiers in Spectral imaging and 3D Technologies for Geospatial Solutions (pp ). International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLII-3/W3. International Society for Photogrammetry and Remote Sensing. 14. Äyrämö, S., Vilmi, N., Mero, A., Piirainen, J., Nummela, A., Pullinen, T., Avela, J., & Linnamo, V. (2017). Maturation-related differences in neuromuscular fatigue after a short-term maximal run. Human Movement, 18 (3), Leppänen, M., Pasanen, K., Kujala, U., Vasankari, T., Kannus, P., Äyrämö, S., Krosshaug, T., Bahr, R., Avela, J., Perttunen, J., Parkkari, J. (2017). Stiff Landings Are Associated With Increased ACL Injury Risk in Young Female Basketball and Floorball Players. American Journal of Sports Medicine, 45 (2), Vilmi, N., Äyrämö, S., Nummela, A., Pullinen, T., Linnamo, V., Häkkinen, K., & Mero, A. (2016). Oxygen Uptake, Acid-Base Balance and Anaerobic Energy System Contribution in Maximal M Running in Child, Adolescent and Adult Athletes. Journal of Athletic Enhancement, 5 (3). 17. Vesterinen, V., Nummela, A., Äyrämö, S., Laine, T., Hynynen, E., Mikkola, J., & Häkkinen, K. (2016). Monitoring Training Adaptation With a Submaximal Running Test in Field Conditions. International Journal of Sports Physiology and Performance, 11 (3), Kulmala, J.-P., Äyrämö, S., & Avela, J. (2013). Knee extensor and flexor dominant gait patterns increase the knee frontal plane moment during walking. Journal of Orthopaedic Research, 31 (7), Wartiainen, P., Kärkkäinen, T., Heimbürger, A., & Äyrämö, S. (2013). Context-sensitive approach to dynamic visual analytics of energy production processes. In P. Vojtáš, Y. Kiyoki, H. Jaakkola, T. Tokuda, & N. Yoshida (Eds.), Information Modelling and Knowledge Bases XXIV (pp ). Frontiers in Artificial Intelligence and Applications, 251. Amsterdam: IOS Press. 20. Wartiainen, P., Kärkkäinen, T., Heimbürger, A., & Äyrämö, S. (2011). Methods of visual analytics in knowledge mining. In J. Henno, Y. Kiyoki, T. Tokuda, & N. Yoshida (Eds.), Proceedings of the 21st European-Japanese Conference on Information Modelling and Knowledge Bases (EJC2011), Tallinn, Estonia, June 06-10, 2011, Vol. 1 (pp ). 21. Tirronen, V., Äyrämö, S., & Weber, M. (2011, April). Study on the effects of pseudorandom generation quality on the performance of differential evolution. In Proceedings of the 10th international conference on Adaptive and natural computing algorithms (pp ). Springer- Verlag. 22. Aittokoski, T., Äyrämö, S., & Miettinen, K. (2009). Clustering aided approach for decision making in computationally expensive multiobjective optimization. Optimization Methods & Software, 24 (2),

3 23. Nurminen, M., Suominen, P., Äyrämö, S., & Kärkkäinen, T. (2009). Applying Semiautomatic Generation of Conceptual Models to Decision Support Systems Domain. In R. Breu (Ed.), Proceedings of the IASTED International Conference on Software Engineering (SE 2009) (pp. 7). ACTA Press. 24. Pylvänen, M., Äyrämö, S., & Kärkkäinen, T. (2009). Visualizing Time Series State Changes with Prototype Based Clustering. In V. Kolehmainen, P. Toivanen, & B. Beliczynski (Eds.), Adaptive and Natural Computing Algorithms: 9th International Conference, ICANNGA 2009, Kuopio, Finland, April 23-25, 2009, Revised Selected Papers (pp ). Lecture Notes in Computer Science. Theoretical Computer Science and General Issues., Berlin Heidelberg: Springer-Verlag. 25. Ivannikov, A., Pechenizkiy, M., Bakker, J., Leino, T., Jegoroff, M., Kärkkäinen, T., & Äyrämö, S. (2009). Online Mass Flow Prediction in CFB Boilers. In Advances in Data Mining. Applications and Theoretical Aspects, 9th Industrial Conference, ICDM 2009 (pp ). Lecture Notes in Computer Science, 5633/2009. Berlin / Heidelberg: Springer Verlag. 26. Äyrämö, S., Kärkkäinen, T., & Valjus, K. (2007). Robust refinement of initial prototypes for partitioning-based clustering algorithms. In C. H. Skiadas (Ed.), Recent Advances in Stochastic Modeling and Data Analysis (pp ). 27. Kärkkäinen, T., & Äyrämö, S. (2004). Robust clustering methods for incomplete and erroneous data. In A. Zanasi, N. E. F. Ebecken, & C. A. Brebbia (Eds.), Data Mining V: Data Mining, text mining and their business applications (pp ). Southampton, UK: WIT Press. B Non-refereed scientific articles 1. Balahur, D., Hiltunen, L., & Äyrämö, S. (2010). Gender and ICT The Comparative Analysis of Finland and Romania, in D. Balahur & P. Fadjukoff (Eds.), Women and Technological Education. A European Comparative Perspective, Al.I.Cuza University Press, ISBN Nieminen, P., Rabin, N., Kärkkäinen, T., Averbuch, A., & Äyrämö, S. (2010). Robust clustering and neural network training with dimension reduction for industrial use. Jyväskylä, Finland: University of Jyväskylä. Reports of the Department of Mathematical Information Technology / University of Jyväskylä. Series C, Software engineering and computational intelligence, 3/ Pechenizkiy, M., Ivannikov, A., Äyrämö, S., & Kärkkäinen, T. (2010). Towards better understanding and control of CFB-boilers: review of recent research in mining time series data. Jyväskylä, Finland: University of Jyväskylä. Reports of the Department of Mathematical Information Technology / University of Jyväskylä. Series C, Software and computational engineering, 2/ Mininno, E., Kärkkäinen, T., & Äyrämö, S. (2010). Multi-objective online optimization using evolutionary algorithms. Jyväskylä, Finland: University of Jyväskylä. Reports of the Department of Mathematical Information Technology / University of Jyväskylä. Series C, Software and computational engineering, 1/ Äyrämö, S., Pirtala, P., Kauttonen, J, Naveed, K., and Kärkkäinen, T., Mining Road Traffic Accidents, Reports of the Department of Mathematical Information Technology / University of Jyväskylä. Series C, Software and computational engineering, 2/2009.

4 6. Äyrämö, S., Leiviskä, K., Jämsä-Jounela, S.-L., & Olli, J. (2008). Computational methods and techniques. In T. Mätäsniemi (Ed.), Operational decision making in the process industry: Multidisciplinary approach (pp ). VTT Tiedotteita - Research Notes, Espoo, Finland: VTT. 7. Nurminen, M., Suominen, P., Äyrämö, S., & Kärkkäinen, T. (2008). Use cases for operational decision support system. In T. Mätäsniemi (Ed.), Operational decision making in the process industry - Multidisciplinary approach (pp ). VTT Research Notes, VTT. 8. Äyrämö, S., Kärkkäinen, T., & Valjus, K. (2007). Robust refinement of initial prototypes for partitioning-based clustering algorithms. In C. H. Skiadas (Ed.), Proceedings of The 12th International Conference on Applied Stochastic Models and Data Analysis (ASMDA 2007). 9. Äyrämö, S. and Kärkkäinen, T., Introduction to partitioning-based clustering methods with a robust example, Reports of the Department of Mathematical Information Technology / University of Jyväskylä. Series C, Software and computational engineering, 1/ Kärkkäinen, T., & Äyrämö, S. (2005). On Computation of Spatial Median for Robust Data Mining. In Proceedings of Sixth Conference on Evolutionary and Deterministic Methods for Design, Optimisation and Control with Applications to Industrial and Societal Problems (EUROGEN 2005). TU Munich: FLM. C Monographs D Professional and teaching material 1. Äyrämö, S., & Neittaanmäki, P. (Eds.). (2017). Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa. Jyväskylä, Finland: Jyväskylän yliopisto. Informaatioteknologian tiedekunnan julkaisuja / Jyväskylän yliopisto, 2017, Saarela, M., Ryynänen, O.-P., & Äyrämö, S. (2017). Predicting hospital associated disability using supervised learning. In S. Äyrämö, & P. Neittaanmäki (Eds.), Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa (pp ). Informaatioteknologian 3. Rautiainen, I., & Äyrämö, S. (2017). Predicting overweight and obesity in later life from childhood data : a survey. In S. Äyrämö, & P. Neittaanmäki (Eds.), Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa (pp ). Informaatioteknologian 4. Rautiainen, I., Joensuu, L., Tammelin, T., Kujala, U., & Äyrämö, S. (2017). Finding predictors of aerobic fitness level change in children and adolescents using machine learning. In S. Äyrämö, & P. Neittaanmäki (Eds.), Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa (pp ). Informaatioteknologian tiedekunnan julkaisuja / Jyväskylän yliopisto, 2017, 42. Jyväskylä, Finland: Jyväskylän yliopisto.

5 5. Ojala, T., Wirta, E.-V., Äyrämö, S., Kuopio, T., & Pölönen, I. (2017). Cell counting with gradient boosted convolutional neural networks. In S. Äyrämö, & P. Neittaanmäki (Eds.), Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa (pp ). Informaatioteknologian tiedekunnan julkaisuja / Jyväskylän yliopisto, 2017, 42. Jyväskylä, Finland: Jyväskylän yliopisto. 6. Niinimäki, E., Pasanen, K., Leppänen, M., Vasankari, T., Parkkari, J., & Äyrämö, S. (2017). Determining risk factors for acute lower extermity injuries in team sports with lasso regression. In S. Äyrämö, & P. Neittaanmäki (Eds.), Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa (pp ). Informaatioteknologian tiedekunnan julkaisuja / Jyväskylän yliopisto, 2017, 42. Jyväskylä, Finland: Jyväskylän yliopisto. 7. Moilanen, H., Jauhiainen, S., Äyrämö, S., & Lempinen, A. (2017). Predicting school success from student's wellbeing data. In S. Äyrämö, & P. Neittaanmäki (Eds.), Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa (pp ). Informaatioteknologian 8. Moilanen, H., Kankaanranta, M., & Äyrämö, S. (2017). Detecting pupils' preferred learning styles and different types of personalities by unsupervised machine learning. In S. Äyrämö, & P. Neittaanmäki (Eds.), Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa (pp ). Informaatioteknologian tiedekunnan julkaisuja / Jyväskylän yliopisto, 2017, 42. Jyväskylä, Finland: Jyväskylän yliopisto. 9. Jauhiainen, S., Forsman, H., Äyrämö, S., & Kauppi, J.-P. (2017). Talent detection in soccer using a one-class support vector machine. In S. Äyrämö, & P. Neittaanmäki (Eds.), Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa (pp ). Informaatioteknologian 10. Girka, A., Kulmala, J.-P., & Äyrämö, S. (2017). Prediction of ground reaction force impact peak with deep learning. In S. Äyrämö, & P. Neittaanmäki (Eds.), Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa (pp ). Informaatioteknologian 11. Äyrämö, S. (2017). Yhteenveto tutkimusraporteista. In S. Äyrämö, & P. Neittaanmäki (Eds.), Koneoppimispohjaiset tekoälyratkaisut hyvinvointi- ja terveyssovelluksissa (pp. 3-11). Informaatioteknologian tiedekunnan julkaisuja / Jyväskylän yliopisto, 2017, 42. Jyväskylä, Finland: Jyväskylän yliopisto. 12. Niinimäki, E., Pöyhönen, J., Äyrämö, S., & Neittaanmäki, P. (2017). Omadata terveydenhuollon tietointensiivisessä rakenteessa (Uusittu painos 12/2017). Jyväskylä, Finland: Jyväskylän yliopisto. Informaatioteknologian tiedekunnan julkaisuja / Jyväskylän yliopisto, 2017, 40. Retrieved from Kulmala, J.-P., Palosaari, K., & Äyrämö, S. (2014). 3D-liikenanalyysi määrittää nivelen kuormituksen. Niveltieto, 2014 (3), Äyrämö, S., & Kärkkäinen, T. (2009). Tiedonlouhinnalla uutta ja yllättävää tietämystä tieliikenneonnettomuuksista. Tie & Liikenne, 79 (11), Äyrämö, S., & Kärkkäinen, T. (2004). Data mining osaraportit. In Data mining osaraportit vaihe II. 16. Äyrämö, S., & Kärkkäinen, T. (2003). Data Mining - Principles and Basic Applications. In Data mining osaraportit.

6 E For general public F Works of Art G Theses 1. Äyrämö, S. (2006). Knowledge Mining Using Robust Clustering. Jyväskylän yliopiston kirjasto/julkaisuyksikkö.