{"id":841,"date":"2022-02-14T20:46:32","date_gmt":"2022-02-14T19:46:32","guid":{"rendered":"https:\/\/us.edu.pl\/instytut\/ii\/?page_id=841"},"modified":"2025-12-09T21:43:55","modified_gmt":"2025-12-09T20:43:55","slug":"seminarium-naukowe","status":"publish","type":"page","link":"https:\/\/us.edu.pl\/instytut\/ii\/badania-i-nauka\/seminarium-naukowe\/","title":{"rendered":"Seminarium naukowe"},"content":{"rendered":"

<\/p>\n

Seminarium naukowe Instytutu Informatyki Uniwersytetu \u015al\u0105skiego i Instytutu Informatyki Uniwersytetu Rzeszowskiego<\/h1>\n

 <\/p>\n

Rok akademicki:<\/strong> 2025 \/ 2026, semestr zimowy
\nMiejsce:<\/strong> platforma Teams
\nProwadz\u0105cy seminarium (U\u015a):<\/strong> dr hab. Beata Zielosko, prof. U\u015a, dr hab. Agnieszka Nowak-Brzezi\u0144ska, prof. U\u015a
\nProwadz\u0105cy seminarium (UR):<\/strong> dr hab. Urszula Bentkowska, prof. UR, dr Anna Kr\u00f3l
\nIdea seminarium:<\/strong> Wymiana do\u015bwiadcze\u0144 naukowo-badawczych, budowanie kontakt\u00f3w naukowych.<\/p>\n

 <\/p>\n

Harmonogram seminarium:<\/strong><\/p>\n

Wyk\u0142ad 1<\/strong>
\nOrganizator:<\/strong> UR
\nTermin:<\/strong> 18.11.2025<\/p>\n

Autor:<\/strong> mgr in\u017c. Jaros\u0142aw Szko\u0142a (kooperacja dr hab. Barbara P\u0119kala, prof. UR)
\nTemat:<\/strong> Metody agregacji w uczeniu federacyjnym na danych z niepewno\u015bci\u0105 oparte na teorii przedzia\u0142owych zbior\u00f3w rozmytych
\nStreszczenie: <\/strong>Prezentacja dotyczy uczenia federacyjnego z zastosowaniem r\u00f3\u017cnych metod agregacji danych i zagadnie\u0144 z tym zwi\u0105zanych. Mi\u0119dzy innymi badany jest wp\u0142yw niezbalansowania zbior\u00f3w danych na proces trenowania modeli jak r\u00f3wnie\u017c analizowane s\u0105 przypadki brak\u00f3w danych w zbiorach treningowych w uczeniu federacyjnym.<\/p>\n

\n

Wyk\u0142ad 2<\/strong>
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 9.12.2025
\nAutor:<\/strong> Katarzyna Mi\u015b
\nTemat:<\/strong> Rozmyte podsumowania lingwistyczne
\nStreszczenie: <\/strong>Rozmyte podsumowania lingwistyczne s\u0105 zdaniami, kt\u00f3re w j\u0119zyku naturalnym pomagaj\u0105 w prosty spos\u00f3b opisa\u0107 du\u017ce zbiory danych. W podsumowaniach tych wyst\u0119puj\u0105 okre\u015blenia wyra\u017cone przy pomocy zbior\u00f3w rozmytych oraz kwantyfikatory lingwistyczne. W referacie skupimy si\u0119 na tych\u017ce kwantyfikatorach, ich w\u0142asno\u015bciach oraz na kryteriach s\u0142u\u017c\u0105cych ocenie podsumowa\u0144.<\/p>\n

\n

Wyk\u0142ad 3<\/strong>
\nOrganizator:<\/strong> UR
\nTermin:<\/strong> 20.01.2026
\nAutor:<\/strong> mgr in\u017c. Piotr Magnuszewski (kooperacja dr hab. in\u017c. Ma\u0142gorzata Kr\u0119towska, prof. PB)<\/p>\n

Temat:<\/strong> Poszukiwanie podobie\u0144stw mi\u0119dzy modelami uczenia g\u0142\u0119bokiego w analizie prze\u017cycia
\nStreszczenie: <\/strong>Analiza prze\u017cycia koncentruje si\u0119 na danych, w kt\u00f3rych mamy do czynienia ze zdefiniowanymi zdarzeniami (pocz\u0105tkowym i ko\u0144cowym) oraz czasem, kt\u00f3ry mi\u0119dzy nimi up\u0142ywa. Cz\u0119sto analiza prze\u017cycia stosowana jest w medycynie, gdzie dokonuje si\u0119 np. predykcji czasu prze\u017cycia pacjent\u00f3w. W przypadku analizy prze\u017cycia cz\u0119sto napotykamy zjawisko odci\u0119cia (and. censoring), kt\u00f3re ma miejsce, gdy nie znamy dok\u0142adnego czasu zaj\u015bcia zdarzenia ko\u0144cowego. Nie powinni\u015bmy pozbywa\u0107 si\u0119 tego typu pr\u00f3bek danych, poniewa\u017c mo\u017ce to zaburzy\u0107 og\u00f3lny obraz sytuacji prezentowanej przez zbi\u00f3r danych.
\nPrzygl\u0105daj\u0105c si\u0119 literaturze zwi\u0105zanej z analiz\u0105 prze\u017cycia mo\u017cemy zaobserwowa\u0107, \u017ce zaproponowane zosta\u0142y do tej pory r\u00f3\u017cne modele predykcyjne. Sytuacja jest tym bardziej urozmaicona, i\u017c proponowane s\u0105 tak\u017ce modele uczenia g\u0142\u0119bokiego. Ich zalet\u0105 jest to, \u017ce w por\u00f3wnaniu z modelami statystycznymi, nie stawiaj\u0105 tak powa\u017cnych za\u0142o\u017ce\u0144 co do charakterystyki danych. Bior\u0105c pod uwag\u0119 liczb\u0119 dost\u0119pnych metod, trudnym mo\u017ce si\u0119 okaza\u0107 sprawdzenie wszystkich w kontek\u015bcie konkretnego problemu. Po\u017cyteczne by\u0142oby ustanowienie grup modeli, kt\u00f3re przejawiaj\u0105 podobne zachowanie. Pozwoli\u0142oby to ograniczy\u0107 ilo\u015b\u0107 zasob\u00f3w potrzebnych na wykonywanie bada\u0144.
\nW naszej pracy postanowili\u015bmy zbada\u0107, czy mo\u017cliwe by\u0142oby ustanowienie miary podobie\u0144stwa modeli analizy prze\u017cycia. Ograniczyli\u015bmy wst\u0119pne badania do modeli uczenia g\u0142\u0119bokiego pracuj\u0105cych na czasie dyskretnym. Miar\u0119 podobie\u0144stwa utworzyli\u015bmy bazuj\u0105c na warto\u015bciach SHAP oraz testach statystycznych. Wyniki naszych bada\u0144 pokaza\u0142y, \u017ce pewne modele przejawiaj\u0105 wi\u0119ksze podobie\u0144stwo mi\u0119dzy sob\u0105, a inne mniejsze (bazuj\u0105c na zaproponowanej mierze). Dodatkowo zaobserwowali\u015bmy, \u017ce wraz ze zwi\u0119kszeniem procentowego udzia\u0142u danych odci\u0119tych wzrasta poziom r\u00f3\u017cnic mi\u0119dzy modelami. Jako dodatkowy rezultat prac, zaprezentowali\u015bmy wizualizacj\u0119 wynik\u00f3w, kt\u00f3r\u0105 nazwali\u015bmy „arrow plots”.<\/p>\n

\n

Wyk\u0142ad 4
\nOrganizator: <\/strong>U\u015a
\nTermin: <\/strong>27.01.2026
\nAutor referatu:<\/strong> mgr Arkadiusz Nowakowski
\nTemat:<\/strong> Wyszukiwanie zbior\u00f3w odpowiedzi z wykorzystaniem wa\u017conych klauzul MaxSAT
\nStreszczenie: <\/strong>W wyst\u0105pieniu zaprezentowana zostanie koncepcja solvera maxmodels, kt\u00f3ry \u0142\u0105czy Answer Set Programming (ASP) z technikami wa\u017conego MaxSAT. Przedstawiony zostanie spos\u00f3b translacji normalnych program\u00f3w logicznych do formu\u0142 MaxSAT oraz om\u00f3wione zostan\u0105 wyniki eksperymentalne zestawiaj\u0105ce proponowane podej\u015bcie z uznanymi solverami ASP.<\/p>\n

\n

Wyk\u0142ad 5
\nOrganizator: <\/strong>U\u015a
\nTermin: <\/strong>10.03.2026
\nAutor referatu:<\/strong> mgr Katarzyna Kusztal (kooperacja dr hab. Ma\u0142gorzata Przyby\u0142a-Kasperek, prof. U\u015a)
\nTemat:<\/strong> Nowe metody klasyfikacji na podstawie danych rozproszonych
\nStreszczenie: <\/strong>Rozw\u00f3j technologii i nieustanny przyrost informacji sprawiaj\u0105, \u017ce coraz cz\u0119\u015bciej mamy do czynienia z
\ndanymi rozproszonymi \u2013 gromadzonymi\/generowanymi w spos\u00f3b niezale\u017cny przez r\u00f3\u017cne podmioty. Dane te, cho\u0107 s\u0105
\nfragmentaryczne i pochodz\u0105 z odr\u0119bnych \u017ar\u00f3de\u0142, cz\u0119sto odnosz\u0105 si\u0119 do tego samego problemu decyzyjnego.
\nPrzyk\u0142adem mog\u0105 by\u0107 dane medyczne, zbierane w oddzia\u0142ach szpitalnych w r\u00f3\u017cnych miastach, czy informacje o
\nklientach przechowywane przez regionalne oddzia\u0142y jednej instytucji finansowej. Integracja takich danych i ich
\nefektywne wykorzystanie w zadaniach klasyfikacyjnych stanowi\u0105 istotne wyzwanie badawcze, kt\u00f3re nie znajduje
\npe\u0142nego rozwi\u0105zania w istniej\u0105cych metodach, takich jak zespo\u0142y klasyfikator\u00f3w czy uczenie federacyjne. W referacie
\nprzedstawione zostan\u0105 nowe podej\u015bcia do klasyfikacji danych rozproszonych, uwzgl\u0119dniaj\u0105ce ich specyfik\u0119 oraz
\nwynikaj\u0105ce z niej ograniczenia. Kluczowa idea zak\u0142ada wykorzystanie analizy konflikt\u00f3w do oceny podobie\u0144stw
\npomi\u0119dzy lokalnymi zbiorami danych, a nast\u0119pnie grupowanie zbli\u017conych jednostek w koalicje, w ramach kt\u00f3rych
\nwsp\u00f3\u0142pracuj\u0105 w procesie podejmowania decyzji. Wyniki bada\u0144 wskazuj\u0105, \u017ce taka forma kooperacji lokalnych \u017ar\u00f3de\u0142
\nsprzyja budowie modeli o wysokiej jako\u015bci predykcji. Ponadto, zastosowanie drzew i regu\u0142 decyzyjnych zapewnia
\ninterpretowalno\u015b\u0107 procesu decyzyjnego.<\/p>\n

 <\/p>\n

\n
\n

Rok akademicki:<\/strong> 2024 \/ 2025, semestr letni<\/p>\n

Miejsce:<\/strong> platforma Teams<\/p>\n

Prowadz\u0105cy seminarium (U\u015a):<\/strong> dr hab. Beata Zielosko, prof. U\u015a, dr hab. Agnieszka Nowak-Brzezi\u0144ska, prof. U\u015a<\/p>\n

Prowadz\u0105cy seminarium (UR):<\/strong> dr hab. Urszula Bentkowska, prof. UR, dr Pawe\u0142 Dryga\u015b<\/p>\n

Idea seminarium:<\/strong> Wymiana do\u015bwiadcze\u0144 naukowo-badawczych, budowanie kontakt\u00f3w naukowych.<\/p>\n

 <\/p>\n

Harmonogram seminarium:<\/strong><\/p>\n

Wyk\u0142ad 1
\nOrganizator:\u00a0<\/strong>UR
\nTermin:\u00a0<\/strong>25.03.2025
\nAutor referatu:<\/strong> dr in\u017c. Dariusz Bober
\nTemat:<\/strong> Relacyjna metoda redystrybucji kosztu w procesach wsp\u00f3\u0142bie\u017cnych o niejednorodnej podstawie czasu
\nStreszczenie:\u00a0<\/strong>Struktura organizacyjna przedsi\u0119biorstw produkcyjnych jest typowo hierarchiczna: zak\u0142ad (1:m) wydzia\u0142\u00f3w; wydzia\u0142 (1:n) linii produkcyjnych; linia (1: k) wsp\u00f3\u0142bie\u017cnie realizowanych proces\u00f3w produkcyjnych w danej jednostce czasu. Hierarchia ta nie jest jednak zachowana w wymiarze koszt\u00f3w zaanga\u017cowanych w realizacj\u0119 tych\u017ce proces\u00f3w produkcyjnych. Cz\u0119sto, gdy na jednej linii produkcyjnej realizowane s\u0105 \u00a0dwa lub trzy procesy produkcyjne, to odbywaj\u0105 si\u0119 one z inn\u0105 wydajno\u015bci\u0105 ka\u017cdego z\u00a0k<\/em>-proces\u00f3w (przyk\u0142ad: przemia\u0142 m\u0105ki i pochodna produkcja otr\u0119b\u00f3w, lub produkcja makaronu o tej samej formie ale w dwa r\u00f3\u017cne opakowania na dwu wsp\u00f3\u0142bie\u017cnych paczkarkach, w ramach tej samej linii produkcyjnej). Skutek jest taki, \u017ce w systemie informatycznym rejestruj\u0105cym uzysk z ka\u017cdego\u00a0k-<\/em>procesu pojawia si\u0119 r\u00f3\u017cna podstawa czasu ewidencji danego uzysku (np. inny czas nawa\u017cania opakowania o gramaturze 300 gram a inna dla gramatury 450 gram). Podstawa czasu ca\u0142kowania jest inna dla ka\u017cdego z proces\u00f3w \u0394t(k<\/em>1)<\/em>\u00a0<>\u00a0\u0394t(k<\/em>2)<\/em>. Podobnie jest ze zu\u017cyciem medi\u00f3w energetycznych s\u0142u\u017c\u0105cych do zasilania poszczeg\u00f3lnych linii \u2013 cz\u0119sto dane medium jest pod\u0142\u0105czone do wi\u0119cej ni\u017c 1 linii (np. spr\u0119\u017carkownia jest 1 na wydziale, a spr\u0119\u017cone powietrze jest wykorzystywane przez wszystkie linie na danym wydziale \u2013 z r\u00f3\u017cn\u0105 intensywno\u015bci\u0105, zale\u017cnie od potrzeb; czy energia elektryczna jest z rozdzielni napi\u0119cia poprowadzona do zasilenia wielu linii lub odcink\u00f3w linii danego wydzia\u0142u). Daje to relacj\u0119 danego medium (1:n) linii produkcyjnych. Przy czym licznik ewidencji danego medium (np. energii elektrycznej) ewidencjonuje zu\u017cycie tylko na urz\u0105dzeniach podpi\u0119tych do obwodu opomiarowanego przez ten licznik. Je\u017celi mamy kilka licznik\u00f3w opomiarowuj\u0105cych poszczeg\u00f3lne odcinki linii, a ponadto urz\u0105dzenia te (jak np. spr\u0119\u017carkownia) s\u0105 wsp\u00f3\u0142dzielone przez kilka linii to powstaje nam relacja liczniki (l:n) linii produkcyjnych. Ponadto systemy ewidencji medi\u00f3w s\u0105 cz\u0119sto rozwi\u0105zaniami autonomicznymi, z w\u0142asn\u0105 podstaw\u0105 czasu pr\u00f3bkowania \u0394t(k)<\/em>\u00a0<>\u00a0\u0394t(l)<\/em>, jak r\u00f3wnie\u017c dzia\u0142aj\u0105cymi pod kontrol\u0105 odr\u0119bnych system\u00f3w IT do ewidencji danych pomiarowych, wobec system\u00f3w IT zarz\u0105dzania produkcj\u0105.<\/p>\n

Powy\u017csze jest uog\u00f3lnionym opisem problemu ewidencji danych w silosach system\u00f3w ewidencji proces\u00f3w wsp\u00f3\u0142bie\u017cnych, rozumianych jako zjawiska zachodz\u0105ce w tej samej przestrzeni geograficznej (jeden zak\u0142ad produkcyjny) i w tej samej przestrzeni czasu (system zmianowo\u015bci organizacji pracy). Obecnie wra\u017cliwym wyzwaniem przed in\u017cynierami system\u00f3w BI staje si\u0119 redukcja zjawiska \u201esilosowo\u015bci informacji” i opracowywania metod reprezentacji wielowymiarowej takich wsp\u00f3\u0142bie\u017cnych proces\u00f3w, niezale\u017cnie z kt\u00f3rego \u017ar\u00f3d\u0142a dana warto\u015b\u0107 opisuj\u0105ca proces pochodzi. Tu przyk\u0142adem kosztu niech pozostanie zu\u017cycie energii elektrycznej ewidencjonowane z dok\u0142adno\u015bci\u0105 do 1 kg wyrobu produkowanego w ka\u017cdym z\u00a0k<\/em>-proces\u00f3w.<\/div>\n
Bior\u0105c pod uwag\u0119, \u017ce wi\u0119kszo\u015b\u0107 system\u00f3w ICT w przedsi\u0119biorstwie, niezale\u017cnie od ich architektury, na najni\u017cszym poziomie gromadzi dane w bazach danych, a bazy te daj\u0105 si\u0119 przetransponowa\u0107 do formatu tabel, pojawia si\u0119 mo\u017cliwo\u015b\u0107 zdefiniowana opisanego problemu jako zapytania SQL do tabel temporalnych, z r\u00f3\u017cn\u0105 podstaw\u0105 czasu i relacji zale\u017cno\u015bci\u00a0l:n:k<\/em>.<\/div>\n
Zadanie takie zosta\u0142o zrealizowane w praktyce, a wnioski przedstawi\u0119 na seminarium.<\/div>\n
\n
\n<\/div>\n
\n
Wyk\u0142ad 2
\nOrganizator: <\/strong>U\u015a
\nTermin: <\/strong>29.04.2025
\nAutor referatu:<\/strong> mgr\u00a0Weronika \u0141azarz<\/div>\n
Temat: <\/strong>Pseudo-etykietowanie dla danych kategorycznych z wykorzystaniem iteracyjnej ekspansji klastr\u00f3w
\n<\/strong><\/div>\n
Streszczenie:<\/strong> Uzyskanie w pe\u0142ni oznaczonych zestaw\u00f3w danych w wielu rzeczywistych zastosowaniach jest kosztowne i czasoch\u0142onne, co sk\u0142ania do stosowania metod pseudo-etykietowania. To wyzwanie jest szczeg\u00f3lnie z\u0142o\u017cone, gdy zestaw danych jest ca\u0142kowicie kategoryczny. W takich przypadkach klasyczne modele klasyfikacji wymagaj\u0105 technik kodowania w celu przekszta\u0142cenia zmiennych kategorycznych w form\u0119 numeryczn\u0105. Kodowanie binarne, chocia\u017c skuteczne w rozr\u00f3\u017cnianiu warto\u015bci kategorycznych, zwi\u0119ksza rozmiar zestawu danych i koszty obliczeniowe oraz mo\u017ce powodowa\u0107 utrat\u0119 informacji o relacjach mi\u0119dzy kategoriami. Dlatego w ramach bada\u0144 zaproponowano metod\u0119 pseudo-etykietowania dla danych kategorycznych z wykorzystaniem iteracyjnej ekspansji klastr\u00f3w, jako alternatywne podej\u015bcie do klasyfikacji danych. W przeciwie\u0144stwie do tradycyjnych technik bazuj\u0105cych na progach prawdopodobie\u0144stwa, ta metoda identyfikuje najbardziej wiarygodne obserwacje na podstawie ich odleg\u0142o\u015bci od klastr\u00f3w, stopniowo rozszerzaj\u0105c te klastry o nowe elementy oraz przenosz\u0105c niepasuj\u0105ce obiekty mi\u0119dzy grupami. Zastosowanie tej strategii prowadzi do stabilnego, liniowego wzrostu wydajno\u015bci, co czyni j\u0105 szczeg\u00f3lnie u\u017cyteczn\u0105 w warunkach ograniczonej liczby oznaczonych danych. W badaniach wykazano, \u017ce metoda ta osi\u0105ga wy\u017csz\u0105 dok\u0142adno\u015b\u0107 ni\u017c modele drzewiaste w przypadku ma\u0142ych zbior\u00f3w treningowych, ust\u0119puj\u0105c im jedynie przy znacznym zwi\u0119kszeniu udzia\u0142u oznakowanych obserwacji. Wyniki te wskazuj\u0105 na wysoki potencja\u0142 pseudo-etykietowania opartego na klastrach jako skutecznej techniki wspomagania uczenia maszynowego w sytuacjach ograniczonego dost\u0119pu do etykietowanych danych.<\/div>\n<\/div>\n
\n
\n<\/div>\n
Wyk\u0142ad 3
\nOrganizator:\u00a0<\/strong>UR
\nTermin: <\/strong>13.05.2025
\nAutor referatu:<\/strong> dr in\u017c. Micha\u0142 K\u0119pski
\nTemat:<\/strong> Ci\u0105g\u0142e rozpoznawanie j\u0119zyka migowego technikami uczenia g\u0142\u0119bokiego
\nStreszczenie: <\/strong>Wyst\u0105pienie skupi si\u0119 na najwa\u017cniejszych metodach stosowanych w automatycznym t\u0142umaczeniu j\u0119zyka migowego w spos\u00f3b ci\u0105g\u0142y (ang. Continuous Sign Language Recognition, CSLR). W odr\u00f3\u017cnieniu od klasyfikacji izolowanych gest\u00f3w lub wykrywania pojedynczych znak\u00f3w (sign spotting), kt\u00f3re polegaj\u0105 na rozpoznawaniu predefiniowanych gest\u00f3w z dok\u0142adnie okre\u015blonymi ramami czasowymi, w CLSR ka\u017cdy materia\u0142 wideo zawiera uporz\u0105dkowane etykiety g\u0142os\u00f3w, jednak bez dok\u0142adnych granic czasowych dla poszczeg\u00f3lnych znak\u00f3w. Podczas seminarium om\u00f3wione zostan\u0105 nowoczesne techniki CLSR, szczeg\u00f3lnie modele sekwencyjne, konwolucyjne oraz architektury transformer\u00f3w, efektywnie modeluj\u0105ce kontekst temporalny i wizualny w nagraniach wideo. Zaprezentowane zostan\u0105 tak\u017ce wst\u0119pne wyniki w\u0142asnych bada\u0144 dotycz\u0105ce zastosowania tych modeli do analizy materia\u0142\u00f3w wideo z j\u0119zykiem migowym.<\/div>\n
<\/div>\n
\n
\n

Rok akademicki:<\/strong> 2024 \/ 2025, semestr zimowy<\/p>\n

Miejsce:<\/strong> platforma Teams<\/p>\n

Prowadz\u0105cy seminarium (U\u015a):<\/strong> dr hab. Beata Zielosko, prof. U\u015a, dr hab. Agnieszka Nowak-Brzezi\u0144ska, prof. U\u015a<\/p>\n

Prowadz\u0105cy seminarium (UR):<\/strong> dr hab. Urszula Bentkowska, prof. UR, dr Pawe\u0142 Dryga\u015b<\/p>\n

Idea seminarium:<\/strong> Wymiana do\u015bwiadcze\u0144 naukowo-badawczych, budowanie kontakt\u00f3w naukowych.<\/p>\n

 <\/p>\n

Harmonogram seminarium:<\/strong><\/p>\n

Wyk\u0142ad 1
\nOrganizator: <\/strong>UR
\nTermin: <\/strong>15.10.2024
\nAutor referatu: <\/strong>dr in\u017c. Piotr Lasek
\nTemat: <\/strong>Employing Aggregations of Fuzzy Equivalences in Clustering Algorithms
\nStreszczenie: <\/strong>In our recent work we proposed an approach to the k-means clustering algorithm incorporating a variety of fuzzy equivalences and aggregation techniques. Central to this approach is the use of fuzzy equivalences, which serve as an alternative to standard distance metrics, with the goal of improving the clustering process. The modified k-means algorithm employs these fuzzy equivalences to better determine the similarity between the data points, particularly in situations where the nearest points may not adequately represent closeness within the data set. To assess the clustering results, we employed a variation of the silhouette coefficient tailored to our method. Additionally, we will present theoretical insights into the behavior and benefits of using composition of aggregations and fuzzy equivalences in clustering.<\/p>\n

\n

Wyk\u0142ad 2<\/strong>
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 26.11.2024
\nAutor referatu:<\/strong> Dr Krzysztof Wr\u00f3bel
\nTemat:<\/strong> Metoda identyfikacji os\u00f3b wykorzystuj\u0105ca odciski czerwieni wargowej
\nStreszczenie:<\/strong> W referacie om\u00f3wiona zostanie metoda identyfikacji os\u00f3b oparta na analizie odcisk\u00f3w czerwieni wargowej, znanej jako cheiloskopia. Jest to technika wykorzystywana w kryminalistyce, kt\u00f3ra pozwala na identyfikacj\u0119 jednostek na podstawie unikalnych cech wzoru linii znajduj\u0105cych si\u0119 na powierzchni warg. Przedstawione zostan\u0105 etapy pre-processingu obrazu odcisku ust, takie jak filtracja i segmentacja, maj\u0105ce na celu popraw\u0119 jako\u015bci obrazu oraz przygotowanie go do dalszej analizy. Kluczowym elementem b\u0119dzie ekstrakcja cech charakterystycznych odcisk\u00f3w, w tym struktur linii wargowych,kt\u00f3re stanowi\u0105 podstaw\u0119 do procesu klasyfikacji.
\nOm\u00f3wione zostan\u0105 r\u00f3wnie\u017c techniki klasyfikacyjne wykorzystywane w analizie, takie jak metody oparte na sztucznej inteligencji, kt\u00f3re pomagaj\u0105 w automatyzacji procesu identyfikacji. Dodatkowo, poruszony zostanie problem odcisk\u00f3w niekompletnych, kt\u00f3re mog\u0105 stanowi\u0107 wyzwanie w analizie, a tak\u017ce sposoby radzenia sobie z tego typu przypadkami.<\/p>\n

\n

Wyk\u0142ad 3
\nOrganizator:<\/strong> UR
\nTermin:<\/strong> 7.01.2025
\nAutor referatu:<\/strong> dr hab. in\u017c. Teresa Mroczek, dr in\u017c. \u0141ukasz Pi\u0105tek
\nTemat:<\/strong> Analiza i klasyfikacja obraz\u00f3w zmian melanocytowych sk\u00f3ry
\nStreszczenie:<\/strong> Wed\u0142ug portalu WorldLifeExpectancy prawie 100 tys. ludzi na \u015bwiecie umiera ka\u017cdego roku z powodu nowotwor\u00f3w sk\u00f3ry, wi\u0119kszo\u015b\u0107 z tej liczby z powodu czerniaka z\u0142o\u015bliwego. Czerniak charakteryzuje si\u0119 szybkim wzrostem, \u0142atwym tworzeniem przerzut\u00f3w oraz powoduje du\u017c\u0105 \u015bmiertelno\u015b\u0107 chorych, je\u017celi nie zostanie wcze\u015bnie zdiagnozowany. Wcze\u015bnie czyli ju\u017c na etapie wizyty u lekarza rodzinnego. Dlatego opracowali\u015bmy specjalizowane algorytmy do automatycznego rozpoznawanie raka sk\u00f3ry na podstawie obraz\u00f3w mikroskopii oraz zobrazowa\u0144 z tomografu multifotonowego. Naszym celem jest dedykowany system – DigiSkinDia \u2013 kt\u00f3ry umo\u017cliwi obiektywn\u0105 i dok\u0142adn\u0105 diagnostyk\u0119.<\/p>\n

\n

Wyk\u0142ad 4
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 21.01.2025
\nAutor referatu:<\/strong> mgr Evans Teiko Tetteh (kooperacja dr hab. Beata Zielosko)
\nTemat:<\/strong> Learning Decision Rules from Set of Decision Trees
\nStreszczenie:<\/strong> The presentation concerns the issue of induction of decision rules
\nfrom distributed data, i.e., problems of learning general and
\ninner decision rules from a set of decision trees. Inner rules refer to the paths
\nwithin decision trees from the root to terminal nodes, while general rules
\nare arbitrary rules derived from attributes found in the set of decision trees.
\nThe author will present heuristics for these problems and experimental results related to classification and knowledge representation.<\/p>\n

\n

Wyk\u0142ad 5
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 18.02.2025
\nAutor referatu:<\/strong> mgr Kwabena Frimpong Marfo (kooperacja dr hab. Ma\u0142gorzata Przyby\u0142a-Kasperek)
\nTemat:<\/strong> Classification based on dispersed data with deep learning issues
\nStreszczenie:<\/strong> As big data continues to grow, independent systems within specialized domains generate vast amounts of siloed data. Integrating these dispersed data sources into predictive models can unlock powerful improvements in model generalization, but doing so requires overcoming inconsistencies and privacy-related challenges. Talk delves into the use of deep learning techniques to address classification problems involving dispersed data. By leveraging neural networks\u2019 ability to approximate functions and handle complex relationships, research proposes methods that obtain high quality for dispersed data. Specifically, we introduce a system that generates prediction vectors from each independent data source. Additionally, we explore constructing a global model using a linear combination of models from individual data tables, enabling aggregation across diverse structures. This approach allows for effective dispersed data collaboration.<\/p>\n

\n
\n

Rok akademicki:<\/strong> 2023 \/ 2024, semestr letni<\/p>\n

Miejsce:<\/strong> platforma Teams<\/p>\n

Prowadz\u0105cy seminarium (U\u015a):<\/strong> dr hab. Beata Zielosko, prof. U\u015a, dr hab. Agnieszka Nowak-Brzezi\u0144ska, prof. U\u015a<\/p>\n

Prowadz\u0105cy seminarium (UR):<\/strong> dr hab. Urszula Bentkowska, prof. UR, dr Pawe\u0142 Dryga\u015b<\/p>\n

Idea seminarium:<\/strong> Wymiana do\u015bwiadcze\u0144 naukowo-badawczych, budowanie kontakt\u00f3w naukowych.<\/p>\n

\u00a0<\/strong><\/p>\n

Harmonogram seminarium:<\/strong><\/span><\/p>\n

Wyk\u0142ad 1
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 27.02.2024
\nAutor referatu:<\/strong> mgr Grzegorz Mo\u015b
\nTemat:<\/strong> Klasyfikacja wielodecyzyjna oparta o modelowanie przedzia\u0142owe w przypadku zbior\u00f3w danych mikromacierzowych
\nStreszczenie: <\/strong>Struktury o kszta\u0142cie opartym na siatce heksagon\u00f3w spotykamy w wielu dziedzinach naukowych. Agregujemy takie obiekty z u\u017cyciem medoidu i centroidu wykorzystuj\u0105c innowacyjne metryki dla ci\u0105g\u00f3w binarnych reprezentuj\u0105cych te struktury. Otrzymane metody znajduj\u0105 zastosowanie mi\u0119dzy innymi w problemach zwi\u0105zanych z wiedz\u0105 rozproszon\u0105, gdzie analizujemy \u015bcie\u017cki uczestnik\u00f3w w kontek\u015bcie reprezentacji \u015bwiata poprzez siatk\u0119 heksagon\u00f3w.<\/p>\n

\n

Wyk\u0142ad 2<\/strong>
\nOrganizator:<\/strong> UR
\nTermin:<\/strong> 26.03.2024
\nAutor referatu:<\/strong> dr Zofia Matusiewicz
\nTemat:<\/strong> Rozmyte zbiory zbalansowane
\nStreszczenie:<\/strong> Koncepcja zr\u00f3wnowa\u017conych zbior\u00f3w rozmytych stanowi rozwini\u0119cie teorii zbior\u00f3w rozmytych, umo\u017cliwiaj\u0105c jednoczesn\u0105 analiz\u0119 informacji pozytywnych i negatywnych.
\nW zbiorach klasycznych funkcja przynale\u017cno\u015bci jest dwuwarto\u015bciowa. Jednak obserwacje dotycz\u0105ce ludzkiego postrzegania rzeczywisto\u015bci pokazuj\u0105, \u017ce ludzkie oceny dotycz\u0105ce przynale\u017cno\u015bci do zbioru bywaj\u0105 niepewne i nieprecyzyjne. W wyniku tej obserwacji wprowadzono poj\u0119cie zbior\u00f3w rozmytych, gdzie warto\u015bci funkcji przynale\u017cno\u015bci do zbioru nale\u017c\u0105 do przedzia\u0142u [0, 1]. Upraszczaj\u0105c, warto\u015bci z przedzia\u0142u (0, 1] oznaczaj\u0105 stopie\u0144 przynale\u017cno\u015bci do zbioru, podczas gdy 0 oznacza brak przynale\u017cno\u015bci do zbioru. Niemniej jednak ludzie my\u015bl\u0105 dwutorowo: w jakim stopniu co\u015b spe\u0142nia kryteria przynale\u017cno\u015bci do zbioru oraz w jakim stopniu co\u015b nie spe\u0142nia ludzkich wymaga\u0144. Rezultatem tych obserwacji jest powstanie dw\u00f3ch typ\u00f3w zbior\u00f3w: intuitionistyczne zbiory rozmyte oraz zbalansowane zbiory rozmyte. Tematem tego wyst\u0105pienia s\u0105 zbalansowane zbiory rozmyte. Przedstawione zostan\u0105 fundamentalne za\u0142o\u017cenia tych zbior\u00f3w oraz podstawowe operatory na tych zbiorach.<\/p>\n

\n

Wyk\u0142ad 3
\nOrganizator: <\/strong>U\u015a
\nTermin:<\/strong> 30.04.2024
\nAutor referatu:<\/strong> mgr in\u017c. Czes\u0142aw Hory\u0144
\nTemat:<\/strong> Identyfikacja anomalii w dziedzinowych zbiorach danych z\u0142o\u017conych
\nStreszczenie: <\/strong>Prezentowane badania koncentruj\u0105 si\u0119 na identyfikacji anomalii w danych kategorycznych i mieszanych, kluczowych dla analizy i modelowania predykcyjnego, znajduj\u0105c zastosowanie w wielu dziedzinach, takich jak finanse czy medycyna. Stawiaj\u0105 one unikalne wyzwania w por\u00f3wnaniu do analizy danych numerycznych, wprowadzaj\u0105 innowacyjne techniki optymalizacji, takie jak dostosowanie \u201erozmiaru bloku”, maj\u0105ce na celu podniesienie efektywno\u015bci algorytmu LOF. G\u0142\u00f3wnym celem jest ocena skuteczno\u015bci i wydajno\u015bci algorytm\u00f3w LOF, SOM i Autoenkodera w wykrywaniu anomalii w danych kategorycznych. Poprzez analiz\u0119 r\u00f3\u017cnych metod algorytmicznych, badania te oferuj\u0105 cenne wsparcie analitykom danych kategorycznych w poszukiwaniu wzorc\u00f3w anomalii i poprawiaj\u0105 zrozumienie procesu ich wykrywania.<\/p>\n

\n

W dniu 28 maja 2024 planowane jest Seminarium U\u015a-UR w formie stacjonarnej. <\/strong>
\nMiejscem spotkania b\u0119dzie Instytut Informatyki Uniwersytetu \u015al\u0105skiego <\/strong>
\nHarmonogram spotkania zostanie podany w najbli\u017cszym czasie.<\/strong><\/p>\n

\n
\n

Rok akademicki:<\/strong> 2023 \/ 2024, semestr zimowy<\/p>\n

Miejsce:<\/strong> platforma Teams<\/p>\n

Prowadz\u0105cy seminarium (U\u015a):<\/strong> dr hab. Beata Zielosko, prof. U\u015a, dr hab. Agnieszka Nowak-Brzezi\u0144ska, prof. U\u015a<\/p>\n

Prowadz\u0105cy seminarium (UR):<\/strong> dr hab. Urszula Bentkowska, prof. UR, dr Pawe\u0142 Dryga\u015b<\/p>\n

Idea seminarium:<\/strong> Wymiana do\u015bwiadcze\u0144 naukowo-badawczych, budowanie kontakt\u00f3w naukowych.<\/p>\n

 <\/p>\n

Harmonogram seminarium:<\/strong><\/span><\/p>\n

Wyk\u0142ad 1
\nOrganizator:<\/strong> UR
\nTermin:<\/strong> 14.11.2023
\nAutor referatu:<\/strong> dr hab. Urszula Bentkowska prof. UR (wsp\u00f3\u0142autorzy: mgr in\u017c. Wojciech Ga\u0142ka, mgr in\u017c. Marcin Mrukowicz, mgr in\u017c. Aleksander Wojtowicz)
\nTemat:<\/strong> Klasyfikacja wielodecyzyjna oparta o modelowanie przedzia\u0142owe w przypadku zbior\u00f3w danych mikromacierzowych
\nStreszczenie:\u00a0<\/strong>Zaproponowany algorytm klasyfikacji wielodecyzyjnej wykorzystuje modelowanie przedzia\u0142owe polegaj\u0105ce na tworzeniu tzw. przedzia\u0142\u00f3w niepewno\u015bci dla wynik\u00f3w predykcji uzyskanych przez klasyfikator k-NN (dla r\u00f3\u017cnych warto\u015bci k). Nast\u0119pnie tak uzyskane przedzia\u0142y s\u0105 \u0142\u0105czone za pomoc\u0105 agregacji o warto\u015bciach przedzia\u0142owych. Ponadto stosowane s\u0105 porz\u0105dki pomi\u0119dzy przedzia\u0142ami dla wyznaczenia ostatecznego wyniku klasyfikacji. Algorytm dedykowany jest zbiorom danych o du\u017cej liczbie atrybut\u00f3w warunkowych, jakimi mog\u0105 by\u0107 przyk\u0142adowo dane mikromacierzowe.<\/p>\n

\n

Wyk\u0142ad 2<\/strong>
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 28.11.2023
\nAutor referatu:<\/strong> dr Przemys\u0142aw Kud\u0142acik
\nTemat:<\/strong> Hybrydowy system neuronowo-rozmyty w klasyfikacji danych Networks
\nStreszczenie:<\/strong> Zbiory rozmyte pozwalaj\u0105 tworzy\u0107 wzgl\u0119dnie nieskomplikowane klasyfikatory regu\u0142owe o dobrej efektywno\u015bci przy zachowaniu bardzo intuicyjnej postaci regu\u0142. Ich bezsprzeczn\u0105 zalet\u0105 jest szybki proces uczenia(przygotowania), modyfikacji(aktualizacji).
\nZ drugiej strony, najlepsze rezultaty cz\u0119sto uzyskuje si\u0119 w oparciu o systemy wykorzystuj\u0105ce sztuczne sieci neuronowe. Niestety proces ich uczenia oraz aktualizacji nie jest trywialny, a co za tym idzie, efektywny czasowo. W ramach prelekcji zastanie zaprezentowany system hybrydowy, kt\u00f3ry stara si\u0119 po\u0142\u0105czy\u0107 cechy obydwu podej\u015b\u0107.<\/p>\n

\n

Wyk\u0142ad 3
\nOrganizator: <\/strong>UR
\nTermin:<\/strong> 12.12.2023
\nAutor referatu:<\/strong> mgr in\u017c. Marcin Mrukowicz (kooperacja: dr hab. Urszula Bentkowska prof. UR)
\nTemat:<\/strong> Optymalizacja parametr\u00f3w agregacji w klasyfikacji zbior\u00f3w danych z brakuj\u0105cymi warto\u015bciami
\nStreszczenie:\u00a0<\/strong>Badany klasyfikator dedykowany jest zbiorom danych z brakuj\u0105cymi warto\u015bciami.
\nModel ten oparty jest na metodzie ensemblingu, gdzie wyj\u015bcie otrzymane dla poszczeg\u00f3lnych klasyfikator\u00f3w binarnych jest \u0142\u0105czone za pomoc\u0105 sparametryzowanej rodziny agregacji. Znalezienie optymalnego zestawu parametr\u00f3w agregacji dla danego zbioru ucz\u0105cego (i og\u00f3lnie problemu) pozwala na zwi\u0119kszenie jako\u015bci dzia\u0142ania klasyfikatora.<\/p>\n

\n

Wyk\u0142ad 4
\nOrganizator:<\/strong> UR
\nTermin:<\/strong> 23.01.2024
\nAutor referatu:<\/strong> mgr Marcin Cholewa
\nTemat:<\/strong> Automatyczna refaktoryzacja kodu \u017ar\u00f3d\u0142owego
\nStreszczenie:<\/strong> Prezentacja metody automatycznej refaktoryzacji kodu, kt\u00f3ra jest kontrolowana przy pomocy metryk kodu \u017ar\u00f3d\u0142owego i automatu kom\u00f3rkowego. Ka\u017cda metryka wykorzystywana w metodzie jest oparta na entropii informacji, poniewa\u017c bierze pod uwag\u0119 rozmieszczenie znak\u00f3w w kodzie \u017ar\u00f3d\u0142owym i ich wzajemnego s\u0105siedztwa. Przy pomocy rozmieszczenia znak\u00f3w mo\u017cna okre\u015bli\u0107 jednoznacznie cechy kodu \u017ar\u00f3d\u0142owego, do kt\u00f3rych b\u0119dzie d\u0105\u017cy\u0107 modyfikowany kod. Automat kom\u00f3rkowy na podstawie wskaza\u0144 metryki b\u0119dzie wykonywa\u0107 modyfikacje kodu \u017ar\u00f3d\u0142owego.<\/p>\n

\n
\n

Rok akademicki:<\/strong> 2022 \/ 2023, semestr letni<\/p>\n

Miejsce:<\/strong> platforma Teams<\/p>\n

Prowadz\u0105cy seminarium (U\u015a):<\/strong> dr hab. Beata Zielosko, prof. U\u015a, dr hab. Agnieszka Nowak-Brzezi\u0144ska, prof. U\u015a<\/p>\n

Prowadz\u0105cy seminarium (UR):<\/strong> dr hab. Urszula Bentkowska, prof. UR, dr Pawe\u0142 Dryga\u015b<\/p>\n

Idea seminarium:<\/strong> Wymiana do\u015bwiadcze\u0144 naukowo-badawczych, budowanie kontakt\u00f3w naukowych.<\/p>\n

 <\/p>\n

Harmonogram seminarium:<\/strong><\/span><\/p>\n

Wyk\u0142ad 1
\nOrganizator:<\/strong> UR
\nTermin:<\/strong> 7.03.2023
\nAutor referatu:<\/strong> mgr in\u017c. Jaromir Sarzy\u0144ski (kooperacja dr hab. in\u017c. Krzysztof Pancerz)
\nTemat:<\/strong> Przybli\u017cone grafy przep\u0142ywu w oprogramowaniu CLAPSS
\nStreszczenie: <\/strong>Classification and Prediction Software System (CLAPSS) jest oprogramowaniem, w kt\u00f3rym m.in. zaimplementowano specjalizowane podej\u015bcia analizy danych oparte o teori\u0119 zbior\u00f3w rozmytych i teori\u0119 zbior\u00f3w przybli\u017conych. Oprogramowanie stworzone zosta\u0142o w narz\u0119dziach j\u0119zyka Java i posiada graficzny interfejs u\u017cytkownika. Jedn\u0105 z ostatnich funkcjonalno\u015bci dodanych do oprogramowania CLAPSS jest mo\u017cliwo\u015b\u0107 wykorzystania graf\u00f3w przep\u0142ywu Pawlaka tworzonych nad grafami ontologicznymi w celu modelowania zale\u017cno\u015bci temporalnych, w tym np. wnioskowania. W referacie przedstawione zostan\u0105 mo\u017cliwo\u015bci oprogramowania, zar\u00f3wno w zakresie realizowanych oblicze\u0144 pewno\u015bci \u015bcie\u017cek w grafach przep\u0142ywu Pawlaka nad grafami ontologicznymi jak i w zakresie wizualizacji tych graf\u00f3w.<\/p>\n

\n

Wyk\u0142ad 2<\/strong>
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 21.03.2023
\nAutor referatu:<\/strong> Prof. Mikhail Moshkov
\nTemat:<\/strong> Decision Trees for Fault Diagnosis in Circuits and Switching Networks
\nStreszczenie:<\/strong> We study theoretical problems of fault diagnosis in circuits and switching networks, which are among the most fundamental models for computing Boolean functions. We investigate two main cases: when the scheme (circuit or switching network) has the same mode of operation for both calculation and diagnostics, and when the scheme has two modes of operation — normal for calculation and special for diagnostics. In the former case, we get mostly negative results, including superpolynomial lower bounds on the minimum depth of diagnostic decision trees depending on scheme complexity and the NP-hardness of construction diagnostic decision trees. In the latter case, we describe classes of schemes and types of faults for which decision trees can be effectively used to diagnose schemes, when they are transformed into so-called iteration-free schemes.<\/p>\n

\n

Wyk\u0142ad 3
\nOrganizator: <\/strong>UR
\nTermin:<\/strong> 4.04.2023
\nAutor referatu:<\/strong> mgr in\u017c. Ewa \u017bes\u0142awska (kooperacja prof. dr hab. in\u017c. Ewa Dudek-Dyduch, dr Zbigniew Gom\u00f3\u0142ka)
\nTemat:<\/strong> Wykorzystanie technologii ALMM do zada\u0144 optymalizacji dyskretnych proces\u00f3w produkcyjnych
\nStreszczenie: <\/strong>Zastosowanie modelowania matematycznego rzeczywistych proces\u00f3w produkcyjnych z wykorzystaniem technologii ALMM pozwala na skonstruowanie inteligentnych algorytm\u00f3w, kt\u00f3re zapewniaj\u0105 otrzymanie rozwi\u0105za\u0144 optymalnych lub dopuszczanych w danym systemie. G\u0142\u00f3wnym celem proponowanych bada\u0144 jest opracowanie nowoczesnej technologii optymalizuj\u0105cej planowania dyskretnych proces\u00f3w produkcyjnych w warunkach dynamicznie zmieniaj\u0105cych si\u0119 zasob\u00f3w systemu. Proponowana technologia ALMM umo\u017cliwi optymalizacj\u0119 dyskretnych proces\u00f3w produkcyjnych uwzgl\u0119dniaj\u0105c wszystkie ograniczenia czasowe w nich wyst\u0119puj\u0105ce oraz wszystkie dynamicznie pojawiaj\u0105ce si\u0119 zak\u0142\u00f3cenia, kt\u00f3re zosta\u0142y uwzgl\u0119dnione w modelu.<\/p>\n

\n

Wyk\u0142ad 4
\nOrganizator:<\/strong> UR
\nTermin:<\/strong> 9.05.2023
\nAutor referatu:<\/strong> mgr in\u017c. Dawid Kosior (kooperacja dr hab. Barbara P\u0119kala)
\nTemat:<\/strong> Modelowanie wielokryterialnych system\u00f3w decyzyjnych z wykorzystaniem miar uwzgl\u0119dniaj\u0105cych niepewno\u015b\u0107
\nStreszczenie:<\/strong>Miary uwzgl\u0119dniaj\u0105ce niepewno\u015b\u0107 s\u0105 niezwykle wa\u017cne w procesach modelowania system\u00f3w bazuj\u0105cych na danych obarczonych nieprecyzyjno\u015bci\u0105 lub brakami warto\u015bci. Znajduj\u0105 one efektywne zastosowanie w tworzeniu ww. system\u00f3w, w szczeg\u00f3lno\u015bci przy wspomaganiu podejmowania decyzji w diagnostyce medycznej. W referacie zostanie przedstawiony potencja\u0142 przedzia\u0142owo-rozmytych miar przez ich optymalne zastosowanie w wybranych aspektach proces\u00f3w wielokryterialnego podejmowania decyzji.<\/p>\n

\n

Wyk\u0142ad 5
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 23.05.2023
\nAutor referatu:<\/strong> dr Mi\u0142os\u0142aw Chodacki
\nTemat:<\/strong> Ewolucyjne projektowanie samotestowania uk\u0142ad\u00f3w cyfrowych
\nStreszczenie: <\/strong>Testowanie uk\u0142ad\u00f3w cyfrowych jest zadaniem trudnym, w szczeg\u00f3lno\u015bci uk\u0142ad\u00f3w o wielkim stopniu scalenia VLSI (Very Large Scale Integration). Wraz ze wzrostem stopnia scalenia uk\u0142adu jego testowalno\u015b\u0107 (Testability) maleje. Skuteczny test diagnostyczny powinien umo\u017cliwi\u0107 pokrycie uszkodze\u0144 na akceptowalnym, odpowiednio wysokim poziomie. W testowaniu uk\u0142ad\u00f3w sekwencyjnych, w odr\u00f3\u017cnieniu od testowania uk\u0142ad\u00f3w kombinacyjnych, istotn\u0105 rol\u0119 odgrywa nie tyle konkretny zbi\u00f3r wektor\u00f3w testowych, co ich uporz\u0105dkowanie, a wi\u0119c posta\u0107 sekwencji testuj\u0105cej. Dob\u00f3r takiej sekwencji jest trudny, a co za tym idzie r\u00f3wnie\u017c dob\u00f3r samego generatora test\u00f3w \u2013 mo\u017ce by\u0107 realizowany jako problem optymalizacji wielokryterialnej.
\nGeneratory test\u00f3w TPG (Test Pattern Generator), oparte na rejestrach w ze sprz\u0119\u017ceniem liniowym, wytwarzaj\u0105 sekwencj\u0119 wektor\u00f3w testowych o oczekiwanych w\u0142a\u015bciwo\u015bciach pseudolosowych, kt\u00f3re zapewniaj\u0105 wysokie pokrycie uszkodze\u0144. Ocena projektu uk\u0142adu generatora wymaga czasoch\u0142onnej symulacji komputerowej generatora TPG i uk\u0142adu testowanego CUT (Circuit Under Test). W referacie zostan\u0105 przedstawione wyniki bada\u0144 dotycz\u0105ce zastosowania nieliniowego generatora test\u00f3w w sytuacji, kiedy testowany uk\u0142ad logiczny staje si\u0119 sprz\u0119\u017ceniem zwrotnym generatora (Autonomous Test Structure). Z wielu przyczyn, o kt\u00f3rych b\u0119dzie traktowa\u0107 referat, do projektowania, logiki uk\u0142adowej nieliniowego generatora test\u00f3w zastosowano podej\u015bcie ewolucyjne. Przeprowadzone badania symulacyjne, w por\u00f3wnaniu do innych metod projektowych, wykazuj\u0105 s\u0142uszno\u015b\u0107 zastosowanego podej\u015bcia potwierdzon\u0105 skuteczno\u015bci\u0105 testowania.<\/p>\n

\n

Wyk\u0142ad 6
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 6.06.2023
\nAutor referatu:<\/strong> mgr Marcin Lewandowski
\nTemat:<\/strong> Algorytmy dynamicznej selekcji w\u0119z\u0142a nadrz\u0119dnego w celu wyd\u0142u\u017cania czasu \u017cycia bezprzewodowej sieci sensorowej
\nStreszczenie: <\/strong>Zadania w\u0119z\u0142\u00f3w w bezprzewodowych sieciach sensorowych obejmuj\u0105 lokalne przetwarzanie danych z czujnik\u00f3w, podejmowanie decyzji i rozpoznawanie istotnych zdarze\u0144 przed przes\u0142aniem informacji do innych w\u0119z\u0142\u00f3w. Zwykle w\u0119z\u0142y sensorowe s\u0105 zasilane z wbudowanego akumulatora o ograniczonej pojemno\u015bci. Z tego powodu wa\u017cne jest wprowadzanie rozwi\u0105za\u0144 umo\u017cliwiaj\u0105cych oszcz\u0119dzanie energii i zapewniaj\u0105cych d\u0142ugi czas pracy w\u0119z\u0142\u00f3w. Czas, w kt\u00f3rym w\u0119z\u0142y dysponuj\u0105 odpowiednimi zasobami energii aby sie\u0107 sensorowa mog\u0142a dzia\u0142a\u0107 prawid\u0142owo, jest okre\u015blany jako czas \u017cycia sieci. Definicja czasu \u017cycia sieci mo\u017ce by\u0107 jednak r\u00f3\u017cna w zale\u017cno\u015bci od konkretnego zastosowania i topologii sieci. Istnieje wiele technik, kt\u00f3re pozwalaj\u0105 na wyd\u0142u\u017cenie czasu \u017cycia sieci sensorowej. Jedn\u0105 z takich technik jest grupowanie w\u0119z\u0142\u00f3w w klastry. Konsekwencj\u0105 klasteryzacji sieci jest potrzeba wy\u0142onienia w\u0119z\u0142\u00f3w nadrz\u0119dnych (ang. cluster heads) oraz podrz\u0119dnych (ang. cluster members). W\u0119ze\u0142 nadrz\u0119dny, ze wzgl\u0119du na realizowane dodatkowe dzia\u0142ania, wyczerpuje swoje zasoby energii szybciej ni\u017c w\u0119z\u0142y podrz\u0119dne. W zwi\u0105zku z powy\u017cszym, w celu osi\u0105gni\u0119cia d\u0142u\u017cszego czasu \u017cycia sieci, rola w\u0119z\u0142a nadrz\u0119dnego musi by\u0107 okresowo pe\u0142niona przez r\u00f3\u017cne w\u0119z\u0142y w obr\u0119bie klastra. W literaturze dost\u0119pne s\u0105 metody, kt\u00f3re zosta\u0142y opracowane w celu wyd\u0142u\u017cenia czasu \u017cycia sieci poprzez w\u0142a\u015bciwe zarz\u0105dzanie w\u0119z\u0142ami nadrz\u0119dnymi. Dost\u0119pne obecnie algorytmy wyboru w\u0119z\u0142a nadrz\u0119dnego bazuj\u0105 na dw\u00f3ch g\u0142\u00f3wnych podej\u015bciach – czasowym oraz energetycznym. Pierwsza grupa algorytm\u00f3w mo\u017ce by\u0107 stosowana tylko w przypadku, gdy dane s\u0105 wysy\u0142ane w okre\u015blonych odst\u0119pach czasu, w spos\u00f3b ci\u0105g\u0142y. Bardziej zaawansowane algorytmy bior\u0105 pod uwag\u0119 \u015bredni pob\u00f3r pr\u0105du oraz aktualny poziom energii w\u0119z\u0142a. Wymaga to zastosowania dodatkowych narz\u0119dzi, kt\u00f3re s\u0142u\u017c\u0105 do monitorowania zu\u017cycia energii przez poszczeg\u00f3lne w\u0119z\u0142y. Wspomniane wy\u017cej algorytmy nie s\u0105 w pe\u0142ni efektywne w przypadku tzw. inteligentnych w\u0119z\u0142\u00f3w sensorowych, kt\u00f3re przesy\u0142aj\u0105 informacje tylko w przypadku, gdy rozpoznaj\u0105 okre\u015blone zdarzenia. W ramach referatu przedstawiona zostanie propozycja nowego algorytmu, kt\u00f3ry pozwala rozwi\u0105za\u0107 wskazany problem i uzyska\u0107 d\u0142u\u017cszy czas \u017cycia sieci sensorowej wzgl\u0119dem wcze\u015bniejszych rozwi\u0105za\u0144. Om\u00f3wione zostan\u0105 r\u00f3wnie\u017c wyniki eksperyment\u00f3w, kt\u00f3re przeprowadzono z wykorzystaniem fizycznego modelu bezprzewodowej sieci sensorowej.<\/p>\n

\n
\n

Rok akademicki:<\/strong> 2022 \/ 2023, semestr zimowy<\/p>\n

Miejsce:<\/strong> platforma Teams<\/p>\n

Prowadz\u0105cy seminarium (U\u015a):<\/strong> dr hab. Beata Zielosko, prof. U\u015a, dr hab. Agnieszka Nowak-Brzezi\u0144ska, prof. U\u015a<\/p>\n

Prowadz\u0105cy seminarium (UR):<\/strong> dr hab. Urszula Bentkowska, prof. UR, dr Pawe\u0142 Dryga\u015b<\/p>\n

Idea seminarium:<\/strong> Wymiana do\u015bwiadcze\u0144 naukowo-badawczych, budowanie kontakt\u00f3w naukowych.<\/p>\n

 <\/p>\n

Harmonogram seminarium:<\/strong><\/span><\/p>\n

Wyk\u0142ad 1
\nOrganizator:<\/strong> UR
\nTermin:<\/strong> 15.11.2022
\nAutor referatu:<\/strong> mgr in\u017c. Marcin Chy\u0142a (kooperacja dr hab. in\u017c. Krzysztof Pancerz)
\nTemat:<\/strong> Krzywe B\u00e9ziera w rozmywaniu warto\u015bci atrybut\u00f3w tablic decyzyjnych
\nStreszczenie: <\/strong>Tematyka referatu dotyczy wykorzystania krzywych B\u00e9ziera w procesie rozmycia danych. Podstaw\u0105 rozmycia jest generacja przedzia\u0142\u00f3w z zastosowaniem r\u00f3\u017cnych implementacji dyskretyzacji oraz klasyfikacji na podstawie drzewa rozmytego zbudowanego z wykorzystaniem rozmytych danych uzyskanych powy\u017csz\u0105 metod\u0105. Eksperymenty przeprowadzono na wynikach testu MMPI, ich rezultaty dotyczy\u0107 b\u0119d\u0105 por\u00f3wnania sposobu generacji przedzia\u0142\u00f3w i wykorzystanych krzywych do rozmycia danych w procesie klasyfikacji z wykorzystaniem drzewa rozmytego.<\/p>\n

\n

Wyk\u0142ad 2<\/strong>
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 29.11.2022
\nAutor referatu:<\/strong> dr Kornel Chromi\u0144ski
\nTemat:<\/strong> Ocena s\u0105siedztwa grup na przyk\u0142adzie rozmieszczenia terytori\u00f3w chromosomowych
\nStreszczenie:<\/strong> Problem klasyfikacji i grupowania jest jednym z wa\u017cniejszych zagadnie\u0144 w analizie danych. Opr\u00f3cz standardowego podej\u015bcia do podzia\u0142u zbior\u00f3w danych na grupy zachodzi czasem potrzeba oceny, kt\u00f3re grupy s\u0105 bardziej podobne do siebie, a kt\u00f3re mniej. W ramach rozwi\u0105zania problemu oceny s\u0105siedztwa grup opracowana zosta\u0142a autorska metoda oceniaj\u0105ca s\u0105siedztwo. Metoda zosta\u0142a opracowana na potrzeby oceny terytori\u00f3w chromosomowych, mo\u017ce by\u0107 jednak stosowana dla dowolnych zbior\u00f3w danych poddanych procesowi grupowania.<\/p>\n

\n

Wyk\u0142ad 3
\nOrganizator: <\/strong>UR
\nTermin:<\/strong> 13.12.2022
\nAutor referatu:<\/strong> mgr in\u017c. Wojciech Ga\u0142ka (kooperacja dr hab. Jan G. Bazan, dr hab. Urszula Bentkowska)
\nTemat:<\/strong> Por\u00f3wnanie klas agregacji w zagadnieniach kombinacji klasyfikator\u00f3w i du\u017cej liczby atrybut\u00f3w w zbiorach danych
\nStreszczenie: <\/strong>Rozwa\u017cana jest kombinacja klasyfikator\u00f3w dla zbior\u00f3w danych mikromacierzowych, gdzie funkcje agregacji s\u0105 stosowane do \u0142\u0105czenia warto\u015bci wyj\u015bciowych klasyfikator\u00f3w bazowych. Badane s\u0105 znane rodziny agregacji z wybranymi\u00a0 przyk\u0142adami oraz ich przydatno\u015b\u0107 w zakresie zagadnie\u0144 ensemblingu klasyfikator\u00f3w do optymalizacji dzia\u0142ania tych metod.<\/p>\n

\n

Wyk\u0142ad 4
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 17.01.2022
\nAutor referatu:<\/strong> prof. dr hab. Urszula Boryczka
\nTemat:<\/strong> Czy systemy mrowiskowe potrafi\u0105 tworzy\u0107 muzyk\u0119? O kreatywno\u015bci obliczeniowej w kontek\u015bcie metaheurystyk
\nStreszczenie: <\/strong>Poj\u0119cie sztuki generatywnej bywa bliskoznaczne ze sztuk\u0105 algorytmiczn\u0105 (czyli tworzon\u0105 przez komputery), jednak w sztuce generatywnej istotn\u0105 cech\u0105 jest skupienie uwagi na powstawaniu dzie\u0142a, kt\u00f3re jest efektem operacji komputerowych lub maszynowych. Proces iterowany w \u201eakcie tworzenia dzie\u0142a” mo\u017ce by\u0107 sterowany dowolnymi algorytmami niedeterministycznymi, czy rozproszonymi. W tym referacie skupimy si\u0119 na systemach mrowiskowych i komponowaniu utworu muzycznego, kt\u00f3ry mo\u017ce by\u0107 oceniony w zale\u017cno\u015bci od pewnych parametr\u00f3w, steruj\u0105cych tym algorytmem metaheurystycznym.<\/p>\n

\n
\n

Rok akademicki:<\/strong> 2021 \/ 2022, semestr letni<\/p>\n

Miejsce:<\/strong> platforma Teams<\/p>\n

Prowadz\u0105cy seminarium (U\u015a): <\/strong>dr hab. Beata Zielosko, prof. U\u015a, dr hab. Agnieszka Nowak-Brzezi\u0144ska, prof. U\u015a<\/p>\n

Prowadz\u0105cy seminarium (UR):\u00a0<\/strong>dr hab. Urszula Bentkowska, prof. UR, dr Pawe\u0142 Dryga\u015b<\/p>\n

Idea seminarium: <\/strong>Wymiana do\u015bwiadcze\u0144\u00a0naukowo-badawczych, budowanie kontakt\u00f3w naukowych.<\/p>\n

 <\/p>\n

Harmonogram seminarium:<\/strong><\/span><\/p>\n

Wyk\u0142ad nr 1<\/strong>
\nOrganizator:<\/strong> U\u015a
\nTermin:<\/strong> 2022-03-01, godz. 13.00
\nAutor referatu:<\/strong> mgr Krzysztof \u017babi\u0144ski (kooperacja: dr hab. Beata Zielosko, prof. U\u015a)
\nTemat:<\/strong> Algorytm indukcji regu\u0142 decyzyjnych oparty na modelu EAV.
\nStreszczenie:<\/strong> Tematyka referatu dotyczy proponowanego podej\u015bcia do indukcji regu\u0142
\ndecyzyjnych, opartego na reprezentowaniu tablicy decyzyjnej przy pomocy
\nmodelu EAV (Entity-Attribute-Value).
\nWyb\u00f3r atrybut\u00f3w tworz\u0105cych regu\u0142y decyzyjne odbywa si\u0119 na podstawie ich
\nanalizy statystycznej. Algorytm zaprezentowany b\u0119dzie w dw\u00f3ch wersjach – z
\nmanualnym wyborem procentu najlepszych atrybut\u00f3w wykorzystanych do
\ngenerowania regu\u0142 oraz w wersji ze zautomatyzowanym procesem wyboru tych\u017ce
\natrybut\u00f3w.
\nWyniki eksperyment\u00f3w przeprowadzonych na zbiorach z UCI ML Repository b\u0119d\u0105
\ndotyczy\u0142y por\u00f3wnania z punktu widzenia klasyfikacji oraz d\u0142ugo\u015bci i
\nwsparcia konstruowanych regu\u0142.<\/p>\n

\n

Wyk\u0142ad nr 2
\n<\/b>Organizator:<\/strong> U\u015a
\nTermin:<\/strong> 2022-03-15, godz. 13.00
\nAutor referatu:<\/strong> mgr Kamil Dworak (kooperacja: Prof. dr hab. Urszula Boryczka)
\nTemat:\u00a0<\/strong>Algorytmy memetyczne w\u00a0kryptoanalizie symetrycznych szyfr\u00f3w blokowych
\nStreszczenie:\u00a0<\/strong>Na prezentacji zostanie om\u00f3wiony autorski atak metaheurystyczny skierowany przeciwko kryptogramowi wygenerowanemu za pomoc szyfru DES. Atak ma celu odgadn\u0105\u0107 poprawny klucz deszyfruj\u0105cy, przegl\u0105daj\u0105c znacznie mniejsz\u0105 liczb\u0119 podkluczy w\u00a0czasie kr\u00f3tszym, ni\u017c robi to obecnie kryptoanaliza r\u00f3\u017cnicowa.<\/p>\n

\n

Wyk\u0142ad nr 3
\n<\/strong>Organizator:<\/strong> UR
\nTermin:<\/strong> 2022-03-29, godz. 13.00
\nAutor referatu:<\/strong> dr in\u017c. Piotr Grochowalski
\nTemat:<\/strong> Inteligentne wyszukiwanie informacji w systemie RSDS
\nStreszczenie:<\/strong> W ramach wyst\u0105pienia zostanie przedstawiona realizacja inteligentnego wyszukiwania informacji w systemie bibliograficznym RSDS (http:\/\/rsds.ur.edu.pl<\/a>). Opracowana metoda bazuje na reprezentacji wiedzy zawartej w danych za pomoc\u0105 ontologii,kt\u00f3ra jest przetwarzana przy u\u017cyciu metodologii zbior\u00f3w przybli\u017conych. Zaprezentowane zostan\u0105 r\u00f3wnie\u017c wyniki prac dotycz\u0105ce usprawniania tego sposobu wyszukiwania poprzez wdro\u017cenie logiki rozmytej.<\/p>\n

\n

Wyk\u0142ad nr 4 <\/b>(wyk\u0142ad w j\u0119zyku angielskim)
\n<\/u>Organizator:<\/strong> U\u015a
\nTermin:<\/strong> 2022-04-12, godz. 13.00
\nAutor referatu:<\/strong> mgr Samuel Aning (kooperacja: dr hab. Ma\u0142gorzata Przyby\u0142a – Kasperek, prof. U\u015a)
\nTemat: <\/strong>Decision Trees in Classification Based on Dispersed Data: Study on the Twoing Criterion and the Gini index with Pre-pruning.
\nStreszczenie:<\/strong> The approach that combines Distributed Machine Learning and Federated Learning techniques in a task of\u00a0 classification based on dispersed data will be presented. In the approach, local models are built using the bagging method and decision trees with the Twoing criterion or the Gini index. The impact of the pre-pruning tree process on the quality of classification will also be discussed.<\/p>\n

\n

Wyk\u0142ad nr 5
\nOrganizator:<\/strong> UR
\nTermin:<\/strong> 2022-05-17, godz. 13.00
\nAutor referatu:<\/strong> mgr in\u017c. Jaros\u0142aw Szko\u0142a (kooperacja: dr hab. Barbara P\u0119kala, prof. UR)
\nTemat:<\/strong> Uczenie federacyjne na przyk\u0142adzie niepewnych danych medycznych
\nStreszczenie:<\/strong> W referacie zostanie przedstawiona koncepcja uczenia federacyjnego oraz budowanie uog\u00f3lnionego modelu dla danych niepewnych pochodz\u0105cych z r\u00f3\u017cnych \u017ar\u00f3de\u0142. Uczenie federacyjne to technika generowania globalnego modelu danych, przy zachowaniu prywatno\u015bci poprzez trenowanie bez wymiany samych danych. Skuteczno\u015b\u0107 proponowanego modelu zosta\u0142a wykazana na danych medycznych dotycz\u0105cych diagnostyki raka piersi. Zostan\u0105 przedstawione wyniki dla r\u00f3\u017cnych scenariuszy utraty danych i odpowiadaj\u0105ce im miary jako\u015bci klasyfikacji.<\/p>","protected":false},"excerpt":{"rendered":"

Seminarium naukowe Instytutu Informatyki Uniwersytetu \u015al\u0105skiego i Instytutu Informatyki Uniwersytetu Rzeszowskiego   Rok akademicki: 2025 \/ 2026, semestr zimowy Miejsce: platforma Teams Prowadz\u0105cy seminarium (U\u015a): dr hab. Beata Zielosko, prof. U\u015a, dr hab. Agnieszka Nowak-Brzezi\u0144ska, prof. U\u015a Prowadz\u0105cy seminarium (UR): dr hab. Urszula Bentkowska, prof. UR, dr Anna Kr\u00f3l Idea seminarium: Wymiana do\u015bwiadcze\u0144 naukowo-badawczych, budowanie […]<\/p>\n

Read More…<\/a><\/p>\n","protected":false},"author":190,"featured_media":0,"parent":132,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"page-templates\/inner-page.php","meta":{"_expiration-date-status":"","_expiration-date":0,"_expiration-date-type":"","_expiration-date-categories":[],"_expiration-date-options":[]},"acf":[],"_links":{"self":[{"href":"https:\/\/us.edu.pl\/instytut\/ii\/wp-json\/wp\/v2\/pages\/841"}],"collection":[{"href":"https:\/\/us.edu.pl\/instytut\/ii\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/us.edu.pl\/instytut\/ii\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/us.edu.pl\/instytut\/ii\/wp-json\/wp\/v2\/users\/190"}],"replies":[{"embeddable":true,"href":"https:\/\/us.edu.pl\/instytut\/ii\/wp-json\/wp\/v2\/comments?post=841"}],"version-history":[{"count":10,"href":"https:\/\/us.edu.pl\/instytut\/ii\/wp-json\/wp\/v2\/pages\/841\/revisions"}],"predecessor-version":[{"id":1744,"href":"https:\/\/us.edu.pl\/instytut\/ii\/wp-json\/wp\/v2\/pages\/841\/revisions\/1744"}],"up":[{"embeddable":true,"href":"https:\/\/us.edu.pl\/instytut\/ii\/wp-json\/wp\/v2\/pages\/132"}],"wp:attachment":[{"href":"https:\/\/us.edu.pl\/instytut\/ii\/wp-json\/wp\/v2\/media?parent=841"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}