Zespoły badawcze
Lider
- dr hab. Małgorzata Przybyła-Kasperek, prof. UŚ
Członkowie
- dr Kornel Chromiński
- dr Magdalena Tkacz
- dr Rafał Skinderowicz
- mgr Kwabena Frimpong Marfo
Opis
Jednym z celów jest zaproponowanie metody zastosowania sieci neuronowych do danych rozproszonych (danych uzyskanych z niezależnych źródeł). Przygotowanie publikacji z tej tematyki oraz wysłanie na konferencję międzynarodową za minimum 140 punktów. W badaniach dotyczących opracowania metody oceny sąsiedztwa grup celem jest zaproponowanie prototypu metody umożliwiającej ocenę sąsiedztwa grup oraz poddanie jej praktycznej ocenie przez ekspertów dziedzinowych (life science) poprzez przygotowanie (za jej pomocą) analizy oceny sąsiedztwa modeli terytoriów chromosomowych w jądrze komórkowym. Jeśli nie będzie zastrzeżeń ze strony ekspertów dziedzinowych zostanie przygotowana publikacja. W badaniach dotyczących algorytmów metaheurystycznych celem będzie opracowanie przyspieszenie i poprawa jakości algorytmu mrowiskowego w rozwiązywaniu dużych instancji problemu TSP – wyniki zostaną opublikowane w czasopiśmie za minimum 140 punktów. Następnym celem będzie kolejna publikacja skupiająca się na pokrewnych problemach kombinatorycznych.
Lider
- dr hab. Krzysztof Gdawiec, prof. UŚ
Członkowie
- dr hab. Agnieszka Lisowska
- dr Ireneusz Gościniak
- dr Miłosław Chodacki
Opis
Głównym celem będzie prowadzenie badań nad całkowicie nowymi proceduralnymi metodami generowania obrazów, w tym obrazów artystycznych.
Lider
- dr hab. Agnieszka Nowak-Brzezińska, prof. UŚ (https://orcid.org/0000-0001-7238-1170)
Członkowie
- mgr inż. Czesław Horyń (https://orcid.org/0000-0003-0592-8011)
- mgr Weronika Łazarz (https://orcid.org/0000-0002-1509-5909)
- mgr Igor Gaibei (https://orcid.org/0000-0002-4708-9036)
Opis
Badania prowadzone w grupie badawczej „Eksploracja regułowych baz wiedzy” skupiają się na analizie istniejących oraz tworzeniu nowych algorytmów uczenia maszynowego w szczególności metod opartych na uczeniu nienadzorowanym. Szczególnej uwadze poświęcono zwłaszcza dwie grupy metod: algorytmy grupowania oraz algorytmy wykrywania anomalii w danych. Analizie poddawane są złożone dane np. dokumenty tekstowe, duże zbiory danych o charakterystyce jakościowej bądź ilościowej. Badania dotyczą także projektowania systemów wspomagania decyzji wykorzystujących regułową reprezentację wiedzy. Jednym z wyzwań badawczych jest optymalizacja algorytmów wnioskowania pozwalających wydobywać nową wiedzę z danych gromadzonych w bazach wiedzy.
Realizowane badania ściśle wiążą się z tematyką zajęć dydaktycznych dla studentów studiów I-go jak i II-go stopnia. Na poziomie studiów I-go stopnia są to przedmioty takie jak Podstawy sztucznej inteligencji i systemów ekspertowych zaś na poziomie studiów II-go stopnia moduły fakultatywne pt. Algorytmy analizy skupień w praktyce oraz Algorytmy wykrywania odchyleń w danych.
Lider
- dr hab. inż. Bartłomiej Płaczek, prof. UŚ
Członkowie
- mgr Marcin Lewandowski
- mgr Marcin Cholewa
Opis
Opracowanie algorytmów rozpoznawania obiektów i monitorowania ich stanu na podstawie danych gromadzonych z wielu źródeł w rozproszonych systemach komputerowych. Algorytmy będą bazowały na nowych metodach hierarchicznego podziału zadań wnioskowania pomiędzy węzłami systemu rozproszonego. Proponowane rozwiązanie będzie się charakteryzowało wyższą dokładnością rozpoznawania obiektów i ich stanu w porównaniu do znanych obecnie algorytmów. – Opracowanie algorytmów transmisji danych w bezprzewodowych sieciach sensorowych na bazie nowych metod dynamicznego harmonogramowania zadań dla węzłów sieciowych. Oczekuje się że, w porównaniu do znanych obecnie algorytmów, proponowane metody pozwolą osiągnąć niższe zużycie energii węzłów sensorowych i dłuższy czas życia sieci. – Opracowanie metody oceny użyteczności danych i kodów źródłowych z wykorzystaniem definicji entropii pozycyjnej. Przewiduje się, że nowa metoda szacowania entropii umożliwi m. in. zautomatyzowane modyfikowanie składni języka w celu jej dostosowania do nowych wymagań stawianych przez programistów tworzących złożone aplikacje.
Lider
- dr hab. Beata Zielosko, prof. UŚ
Członkowie
- mgr Evans Tetteh
- mgr inż. Krzysztof Żabiński
- inż. Kamil Jabloński
Opis
Zaproponowanie metody indukcji reguł decyzyjnych na podstawie zbioru drzew decyzyjnych. Przygotowanie publikacji i wysłanie na konferencję lub do czasopisma (minimum 100 punktów). Zaproponowanie metody rankingowania cech w oparciu o właściwości algorytmu zachłannego. Przygotowanie publikacji i wysłanie na konferencję lub do czasopisma (minimum 100 punktów).
Lider
- dr hab. inż. Rafał Doroz, prof. UŚ
Członkowie
- prof. dr hab. Piotr Porwik
- dr Krzysztof Wróbel
- dr inż. Tomasz Orczyk
- dr inż. Przemysław Kudłacik
- mgr inż. Arkadiusz Nowakowski
Opis
- Opracowanie metody klasyfikacji danych biometrycznych, uwzględniających występowanie danych niekompletnych.
- Opracowanie metody ciągłej identyfikacji lub weryfikacji osób na podstawie danych biometrycznych.
- Opracowanie bezkontaktowej metody rozpoznawania osób w oparciu o dane biometryczne.
Lider
- prof. dr hab. Michał Baczyński – badacz indywidualny
Opis
Inteligencja obliczeniowa jest burzliwie rozwijającą się dziedziną szeroko rozumianej informatyki szczególnie tam, gdzie metody dokładne, czyli tzw. ,,metody twarde” nie są znane lub ich stosowanie jest ograniczone czasowo i pamięciowo. W moich badaniach koncentruję się przede wszystkim na systemach opartych na logice rozmytej. Jednym z najważniejszych problemów w systemach korzystających z logiki rozmytej jest optymalny dobór spójników wielowartościowych, ponieważ odgrywają one zasadniczą rolę w teorii zbiorów rozmytych i logice rozmytej. Podstawowymi spójnikami rozmytymi, które spełniają rolę uogólnionych operatorów ,,And”, ,,Or” oraz ,,Not” są, odpowiednio, t-normy, t-konormy oraz negacje rozmyte, podczas gdy reguły rozmyte typu IF-Inteligencja obliczeniowa jest burzliwie rozwijającą się dziedziną szeroko rozumianej informatyki szczególnie tam, gdzie metody dokładne, czyli tzw. ,,metody twarde” nie są znane lub ich stosowanie jest ograniczone czasowo i pamięciowo. W moich badaniach koncentruję się przede wszystkim na systemach opartych na logice rozmytej. Jednym z najważniejszych problemów w systemach korzystających z logiki rozmytej jest optymalny dobór spójników wielowartościowych, ponieważ odgrywają one zasadniczą rolę w teorii zbiorów rozmytych i logice rozmytej. Podstawowymi spójnikami rozmytymi, które spełniają rolę uogólnionych operatorów ,,And”, ,,Or” oraz ,,Not” są, odpowiednio, t-normy, t-konormy oraz negacje rozmyte, podczas gdy reguły rozmyte typu IF-THEN są zazwyczaj modelowane przez implikacje wielowartościowe zwane w literaturze przedmiotu implikacjami rozmytymi. Uogólniają one klasyczną implikację, która przyjmuje wartości w zbiorze {0,1}, do logiki rozmytej, gdzie wartości prawdy należą do przedziału jednostkowego [0,1] lub, w ogólnym przypadku, do dowolnej kraty L. Ta klasa funkcji odgrywa bardzo ważną rolę zarówno w teorii jak i zastosowaniach – wniosek taki można wysnuć z ich użycia w m.in. wnioskowaniu przybliżonym, sterowaniu rozmytym, przetwarzaniu obrazów, analizie danych, ilościowych bazach danych oraz wielowartościowej logice matematycznejInteligencja obliczeniowa jest burzliwie rozwijającą się dziedziną szeroko rozumianej informatyki szczególnie tam, gdzie metody dokładne, czyli tzw. ,,metody twarde” nie są znane lub ich stosowanie jest ograniczone czasowo i pamięciowo. W moich badaniach koncentruję się przede wszystkim na systemach opartych na logice rozmytej. Jednym z najważniejszych problemów w systemach korzystających z logiki rozmytej jest optymalny dobór spójników wielowartościowych, ponieważ odgrywają one zasadniczą rolę w teorii zbiorów rozmytych i logice rozmytej. Podstawowymi spójnikami rozmytymi, które spełniają rolę uogólnionych operatorów ,,And”, ,,Or” oraz ,,Not” są, odpowiednio, t-normy, t-konormy oraz negacje rozmyte, podczas gdy reguły rozmyte typu IF-THEN są zazwyczaj modelowane przez implikacje wielowartościowe zwane w literaturze przedmiotu implikacjami rozmytymi. Uogólniają one klasyczną implikację, która przyjmuje wartości w zbiorze {0,1}, do logiki rozmytej, gdzie wartości prawdy należą do przedziału jednostkowego [0,1] lub, w ogólnym przypadku, do dowolnej kraty L. Ta klasa funkcji odgrywa bardzo ważną rolę zarówno w teorii jak i zastosowaniach – wniosek taki można wysnuć z ich użycia w m.in. wnioskowaniu przybliżonym, sterowaniu rozmytym, przetwarzaniu obrazów, analizie danych, ilościowych bazach danych oraz wielowartościowej logice matematycznej Nazwa zespołu badawczego.
Lider
- Prof. dr hab. Urszula Boryczka
Członkowie
- dr hab. Mariusz Boryczka, prof. UŚ
- mgr inż. Michał Maliszewski
- dr inż. Rusłan Kornitchuk
- mgr Michał Bałchanowski
Opis
Stworzenie nowoczesnego narzędzia do testowania technik przeszukiwania lokalnego metaheurystykach dostosowanych do określonej problematyki badawczej Weryfikacja spodziewanych efektów ulepszenia danego podejścia w analizowanej problematyce badawczej. Zbudowanie narzędzia porównawczego i określenie parametrów badawczych i statystycznych. Przedstawienie własnych opracowań ulepszeń danej techniki w testowanym obszarze, czy problematyce.