You are not logged in |
Seminar devoted to broadly understood area of Intelligent Systems. Its topic include, but are not limited to, topics such as: Artificial Intelligence (AI), Knowledge Discovery (KDD), Approximate Reasoning (AR), Machine Learning (ML), an other related areas.
This seminar is a direct descendant of the Research Seminar of the Logic Group: Approximate reasoning in data mining.
Organizers
- dr Janusz Jabłonowski
- dr hab. Anh Linh Nguyen, prof. UW
- dr Marcin Szczuka
- prof. dr hab. Dominik Ślęzak
Information
Fridays, 4:15 p.m. , room: 4060List of talks
-
-
April 5, 2024, 4:15 p.m.
dr inż. Maciej Świechowski (QED Software / QED Games)
Utility AI System as a modern approach to bot behaviour in video games and as a generalisation of artificial neural networks
-
March 15, 2024, 4:15 p.m.
dr inż. Teresa Mroczek (Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie)
Development of methods for discretisation and exploration of incomplete data
-
March 8, 2024, 4:15 p.m.
Rozwój metod selekcji wszystkich istotnych cech w systemach decyzyjnych: wybrane aspekty i zastosowania
Rozwój metod selekcji wszystkich istotnych cech w systemach decyzyjnych: wybrane aspekty i zastosowania
Podczas seminarium zostaną przedstawione główne wyniki badań dotyczące wybranych aspektów i zastosowań oraz rozwoju metod selekcji wszystkich cech istotnych w systemach decyzyjnych: propozycja miar oceny istotności cech z wykorzystaniem struktury drzew i reguł decyzyjnych, propozycję …
-
March 1, 2024, 4:15 p.m.
Eyad Kannout (MIMUW)
Efficient Models and Techniques for Recommendation Systems
This presentation will be dedicated to presenting the findings outlined in my doctoral dissertation, which concentrate on the exploration and improvement of Recommender Systems. The effectiveness of any recommender system is typically evaluated based on …
-
Feb. 23, 2024, 4:15 p.m.
Paweł Gora (MIMUW)
Metaheurystyki w optymalizacji procesów złożonych
Opowiem o wynikach przedstawionych w mojej pracy doktorskiej, które dotyczą optymalizacji procesów złożonych przy pomocy metaheurystyk. W ramach badań skupiałem się na 2 procesach złożonych: sterowaniem sygnalizacją świetlną dla ruchu drogowego w miastach oraz optymalizacją …
-
Jan. 26, 2024, 4:15 p.m.
Daniel Kałuża (MIMUW)
Active learning with imbalanced data and uncertain annotations
Celem aktywnego uczenia jest uzyskanie jak najlepszego modelu uczenia maszynowego w przypadkach ograniczonego budżetu na etykietowanie danych, przy założeniu możliwości iteracyjnego proszenia ekspertów etykietujących dane o oetykietowanie wybranych obiektów. Podczas seminarium przedstawię podstawowe pojęcia z …
-
Jan. 19, 2024, 4:15 p.m.
Łukasz Grad (MIMUW)
Dekompozycja modeli obrazowych z wykorzystaniem kodowania rzadkiego oraz zastosowania w wyjaśnianiu niepewności predykcji
Głębokie sieci neuronowe (and. Deep Neural Networks, DNN) wykazują zdolność do znajdowania wyjątkowo bogatych reprezentacji danych. W celu lepszego zrozumienia działania tych modeli, wiele uwagi w ostatnich latach poświęcono na rozwój metod pozwalających na analizę …
-
Jan. 12, 2024, 4:15 p.m.
Mateusz Przyborowski (MIMUW)
Zastosowanie odległości Wassersteina do analizy modeli mieszanin Gaussowskich
Modele mieszanin Gaussowskich (Gaussian Mixture Models, GMM) można uznawać za uogólnienie algorytmu k-średnich; pozwalają one na przybliżenie rozkładu danych za pomocą kilku normalnych rozkładów prawdopodobieństwa oraz na szacowanie prawdopodobieństwa, z jakim każda obserwacja pochodzi z …
-
Dec. 8, 2023, 4:15 p.m.
Sebastian Stawicki (MIMUW & QED Software)
Metody wyznaczania zespołów klasyfikatorów z wykorzystaniem bireduktów decyzyjnych
Podczas seminarium przedstawię główne wyniki rozprawy doktorskiej, która koncentruje się na budowaniu zespołów klasyfikatorów przy użyciu bireduktów decyzyjnych. Omówię różne warianty bireduktów i zaprezentuję przykłady, aby lepiej zobrazować ich właściwości. Wyjaśnię również, jak można odnieść …
-
Nov. 24, 2023, 4:15 p.m.
Nguyen Hung Son (MIMUW)
Distance Metric Learning: Foundation, Methods and Applications
Distance Metric Learning (DML) is a machine learning approach that aims to learn a new distance metric from data, which improves the quality of the distance-based methods including classification, clustering, dimension reduction, kernel-based techniques, information …
-
Nov. 17, 2023, 4:15 p.m.
Łukasz Apiecionek (Uniwersytet Kazimierza Wielkiego)
Ordered Fuzzy Numbers in the Architecture of Artificial Neural Networks
The aim of the presentation is to showcase the potential application of Ordered Fuzzy Number arithmetic in Artificial Neural Networks. This innovative solution enables the construction of fuzzy deep neural networks with Ordered Fuzzy Number …
-
Oct. 27, 2023, 4:15 p.m.
Mateusz Wnuk (University of Warsaw & QED Software)
Cosmic ray particles reaching the earth's surface from space can be used for imaging purposes
The physical processes that occur when a particle passes through a matter can be reconstructed, which can be used to study the structure of objects. Unlike e.g. Computer Tomography (CT) in which the radiation source …
-
Oct. 20, 2023, 4:15 p.m.
Nguyen Hung Son (MIMUW)
Rough-Fuzzy approach to Attribute Importance and Attribute Ranking
Attribute importance refers to a vector of weights that are assigned to attributes and describe the effect on the overall performance or outcome of a model, system, or process. This concept is commonly used in …
-
Oct. 12, 2023, 8:30 a.m.
JingTao Yao (University of Regina)
Three-way Clustering: An Advanced Soft Clustering Approach
Clustering is a machine learning technique that assigns unlabeled data points into different groups based on similarity of data. However, in many cases, we are unable to confidently assign some data points to particular clusters. …
