Nie jesteś zalogowany | Zaloguj się

Seminarium badawcze poświęcone szeroko rozumianym zagadnieniom systemów inteligentnych, w tym: sztucznej inteligencji, odkrywaniu wiedzy, wnioskowaniom aproksymacyjnym, uczeniu maszynowemu i tematom pokrewnym.

Seminarium jest bezpośrednią kontynuacją Seminarium badawczego Zakładu Logiki pt. "Wnioskowania aproksymacyjne w eksploracji danych"

Organizatorzy

dr Janusz Jabłonowski
dr hab. Anh Linh Nguyen, prof. UW
dr Marcin Szczuka
prof. dr hab. Dominik Ślęzak

Informacje

piątki, 16:15 , sala: 4060

Lista referatów

12 kwietnia 2024 16:00
dr inż. Marek Litwin (SmartCity Lab)
Projekty ITS w Laboratorium SmartCity Lab
SmartCity Lab jest pierwszym w Polsce laboratorium technologicznym w formule: sektor publiczny - nauka - biznes. Każdy projekt realizowany w laboratorium oparty jest na partnerstwie pomiędzy tymi trzema sektorami. SmartCity Lab składa się ze środowiska …
5 kwietnia 2024 16:15
dr inż. Maciej Świechowski (QED Software / QED Games)
Utility AI System - jako nowoczesna metoda zachowań botów w grach wideo oraz jako uogólnienie sieci neuronowych
Teoria użyteczności pojawia się w kilku dziedzinach nauki takich jak teoria gier i ekonometria. Prezentacja będzie jednakże dotyczyć konkretnego algorytmu (inspirowanego teorią użyteczności) stosowanego do konstrukcji postaci sterowanych przez AI w grach wideo. Algorytm ten …
15 marca 2024 16:15
dr inż. Teresa Mroczek (Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie)
Rozwój technik dyskretyzacji oraz metod eksploracji danych niekompletnych
Rzeczywiste zbiory danych bardzo często zawierają dane numeryczne oraz są niekompletne. Zastąpienie wielu wartości atrybutu numerycznego niewielką liczbą przedziałów, wynikających z dyskretyzacji, może poprawić wydajność oraz dokładność klasyfikacji, zwłaszcza w przypadku nie w pełni poprawnych …
8 marca 2024 16:15
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 …
1 marca 2024 16:15
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 …
23 lutego 2024 16:15
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 …
26 stycznia 2024 16:15
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 …
19 stycznia 2024 16:15
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 …
12 stycznia 2024 16:15
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 …
8 grudnia 2023 16:15
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 …
24 listopada 2023 16:15
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 …
- Description and abstract
17 listopada 2023 16:15
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 …
27 października 2023 16:15
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 …
20 października 2023 16:15
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 …
12 października 2023 08:30
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. …
- Presentation Slides - JT Yao - 3-way Clustering