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

16 czerwca 2023 17:00
Justyna Pawłowska-Bebel (PJATK)
Self-induced bias of recommender systems
Recommendation algorithms trained on a training set containing suboptimal decisions may increase the likelihood of making more bad decisions in the future. We call this harmful effect self-induced bias, to emphasize that the bias is …
16 czerwca 2023 16:15
Krzysztof Żabiński (Uniwersytet Śląski)
Konstrukcja reguł decyzyjnych oparta o selekcję cech
W ramach seminarium omówiony zostanie algorytm indukcji reguł decyzyjnych oparty o reprezentację EAV tablicy decyzyjnej i selekcję cech przy wykorzystaniu rankingu budowanego na podstawie odchylenia standardowego wartości atrybutów względem klas decyzyjnych. Algorytm ten dostosowany jest …
- Prezentacja K. Żabińskiego o konstrukcji reguł decyzyjnych opartych o selekcję cech
2 czerwca 2023 17:00
Sebastian Stawicki (MIMUW)
Metody wyznaczania zespołów klasyfikatorów z wykorzystaniem bireduktów decyzyjnych
Podczas seminarium przedstawię główne wyniki mojej rozprawy doktorskiej, która koncentruje się na budowaniu zespołów klasyfikatorów przy użyciu bireduktów decyzyjnych. Wyjaśnię, czym są biredukty decyzyjne i przedstawię uzyskane wyniki teoretyczne. Omówię różne warianty bireduktów i zaprezentuję …
2 czerwca 2023 16:15
Radosław Piliszek (Uniwersytet w Białymstoku)
Feature selection with RAFS and STIG for knowledge discovery and machine learning model building in binary classification tasks
This presentation is to report PhD thesis results ("Development of methods for feature selection based on information theory"). Dimensionality reduction is an important step in knowledge discovery and machine learning. This study is focused on …
19 maja 2023 16:15
Jakub Pokrywka (UAM)
Optymalizacja i ewaluacja w wyzwaniach uczenia maszynowego
Optimization and Evaluation in Machine Learning Challenges Na seminarium omówię wyniki zawarte w mojej rozprawie doktorskiej, która składa się z cyklu publikacji. Praca skupia się na metodologii tworzenia wyzwań uczenia maszynowego, w czego skład wchodzi …
5 maja 2023 16:15
Dominik Ślęzak (MIMUW & QED Software)
Deriving Sparsest Approximate Bayesian Belief Networks from Data: NP-hardness and Beyond
alpha-Approximate Bayesian Belief Network (alpha-BBN) is a directed acyclic graph (DAG) whose entropy, understood as the sum of entropies of conditional distributions generated from a joint probability distribution along the DAG's structure, is not higher …
21 kwietnia 2023 16:15
Łukasz Puławski (MIMUW)
Wykrywanie wzorców czasowo-przestrzennych w procesie wytwarzania oprogramowania cz. 2
Ta prezentacja będzie próbą generalną przed obroną pracy doktorskiej / This will be a rehearsal before the defence of Ph.D. Thesis Eksploracja repozytoriów oprogramowania (ang. mining software repositories - MSR) to dziedzina eksploracji danych, w …
14 kwietnia 2023 16:15
Łukasz Puławski (MIMUW)
Wykrywanie wzorców czasowo-przestrzennych w procesie wytwarzania oprogramowania
Eksploracja repozytoriów oprogramowania (ang. mining software repositories - MSR) to dziedzina eksploracji danych, w której bada się zbiory danych, powstające podczas rozwoju oprogramowania. Zasadniczo głównym, choć nie jedynym, źródłem takich danych jest system kontroli wersji, …
3 marca 2023 16:15
Dawid Ewald (Uniwersytet Kazimierza Wielkiego w Bydgoszczy)
The bee optimization metaheuristic method based on ordered fuzzy numbers
Prezentacja wyników zawartych w pracy doktorskiej. Streszczenie w załączeniu. Presentation of results from the doctoral thesis. Synopsis is attached.
- Streszczenie po polsku
- Synopsis in English
10 lutego 2023 16:15
Andrea Campagner (Università degli Studi di Milano Bicocca)
Robust Learning Methods for Imprecise Data and Cautious Inference
Developing Machine Learning models that are robust in the face of uncertainty is currently one of the most significant problems for the advancement of Machine Learning in both research and application. In this presentation I …
- Slides for presentation by A. Campagner
20 stycznia 2023 16:15
Mateusz Zaborski (Politechnika Warszawska)
Efektywne zastosowania metamodeli w algorytmach populacyjnych przeznaczonych do rozwiązywania problemów optymalizacji ciągłej
Algorytmy populacyjne stanowią wiodące metody rozwiązywania problemów czarnoskrzynkowych, tzn. takich w których jedyną możliwością interakcji z funkcją celu (f.c.) jest dokonanie jej ewaluacji. Metamodele odwzorowują f.c. oraz pozwalają zastąpić jej kosztowną ewaluację za pomocą przybliżonej …
22 grudnia 2022 16:00
Św. Mikołaj / Gwiazdor/ Santa Claus / Father Christmas
Spotkanie wigilijne / Xmas Party
Serdecznie zapraszamy na tradycyjne, wigilijne spotkanie seminarium. We cordially invite You to the traditional Seminar Xmas Party. Prosze zwrócić uwagę na niestandardowy czas i miejsce. Please, notice the unusual time an place. Czwartek, 22 grudnia …
2 grudnia 2022 16:15
Błażej Adamczyk (EFIGO & Politechnika Śląska), Marcin Michalak (ITI EMAG & Politechnika Śląska)
Dataset Generation Framework for Evaluation of IoT Linux Host–Based Intrusion Detection Systems
As the IoT industry strongly extends there is a need for better security and threat detection tools. Many approaches are possible, but the tendency is to detect attacks externally by using network traffic analysis. Network …
25 listopada 2022 17:00
Mateusz Przyborowski (MIMUW & QED Software)
Approximation of the expectation-maximization algorithm for Gaussian mixture models on big data
Gaussian mixture models are a very useful tool for modeling data distribution. While estimating parameters using the expectation-maximization algorithm, this approach does not scale well with big datasets, especially if it is necessary to prepare …
25 listopada 2022 16:15
Maciej Bartoszuk (QED Software)
Tensor-based Approach to Big Data Processing and Machine Learning
We present an approach to tensor compression, decomposition and processing algorithms on the top of them. Our implementation uses the popular scalable data processing framework Apache Parquet to effectively store data. This library does not …